【技术实现步骤摘要】
本专利技术涉及视频异常检测，尤其涉及一种基于特征增强和融合的弱监督视频异常检测方法及系统。
技术介绍
1、本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
2、监控摄像头的一个重要的职能就是通过实时监测来及时发现和记录任何可能发生的异常情况，视频异常检测就是用来解决这个问题的计算机视觉任务。视频异常检测的目的是使用算法和模型来替代人工对视频序列进行分析，将与正常行为明显不同的异常事件进行自动地检测和标识。这些异常可能包括突发事件、异常行为、不寻常的物体或者环境的剧烈变化等。视频异常检测在公共安全、考场监控以及交通管理等许多领域都发挥着提高效率和准确度的重要作用。
3、根据视频异常检测的训练数据类别及其标签情况可将其分为基于半监督学习的方法和基于弱监督学习的方法这两大类。基于半监督学习的算法使用“非正即异”的假设，仅使用未经标注的正常视频作为训练输入，将与学到的正常特征显著偏离的数据检测为异常。尽管无需人工标记减少了前期工作量，然而“非正即异”假设中固有的缺陷注定半监督算法无法投入实际应...
【技术保护点】
1.一种基于特征增强和融合的弱监督视频异常检测方法，其特征在于，包括：
2.如权利要求1所述的一种基于特征增强和融合的弱监督视频异常检测方法，其特征在于，使用CLIP模型作为特征提取器，所述CLIP模型包括视觉特征编码器和文本特征编码器；
3.如权利要求1所述的一种基于特征增强和融合的弱监督视频异常检测方法，其特征在于，通过时序特征增强网络对视觉特征表示从局部和全局学习时序依赖关系，具体为：
4.如权利要求1所述的一种基于特征增强和融合的弱监督视频异常检测方法，其特征在于，将时序增强的视觉特征表示与文本类嵌入进行特征融合，得到视觉语...
【技术特征摘要】
1.一种基于特征增强和融合的弱监督视频异常检测方法，其特征在于，包括：
2.如权利要求1所述的一种基于特征增强和融合的弱监督视频异常检测方法，其特征在于，使用clip模型作为特征提取器，所述clip模型包括视觉特征编码器和文本特征编码器；
3.如权利要求1所述的一种基于特征增强和融合的弱监督视频异常检测方法，其特征在于，通过时序特征增强网络对视觉特征表示从局部和全局学习时序依赖关系，具体为：
4.如权利要求1所述的一种基于特征增强和融合的弱监督视频异常检测方法，其特征在于，将时序增强的视觉特征表示与文本类嵌入进行特征融合，得到视觉语言对齐图，具体为：
5.如权利要求4所述的一种基于特征增强和融合的弱监督视频异常检测方法，其特征在于，所述全连接神经网络由带有残差连接的前馈神经网络ffn、一个全连接层fc以及sigmoid激活函数组成。
6.如权利要求4所述的一种基于特征增强和融合的弱监督视频异常...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。