【技术实现步骤摘要】
本专利技术涉及计算机视觉，更具体地说，涉及一种视频异常检测装置及检测方法。
技术介绍
1、城市中监控摄像头无处不在，视频监控作为城市安防系统重要的一环，其存在的意义在于记录城市发生的一切，而基于监控视频的异常事件检测，是提高公共安全水平的重要手段。
2、基于深度学习的视频异常检测算法利用深度学习的强大学习能力来学习正常视频和异常视频的行为模式和场景信息，并基于此对视频中的异常现象进行判断。基于强监督的视频异常检测方法在训练时要求数据集提供训练数据的视频片段级别的标签，这种设置需要的标注成本十分巨大，而基于弱监督的方法仅要求数据集具有视频级别的标签，虽然在检测效率上与基于强监督的异常检测方法相比，检测性能有所下降，但其能减少视频标注的成本。因此，基于弱监督的异常检测方法在实际场景中的应用性更强。
3、现有基于弱监督的视频异常检测方法大部分是基于多实例学习的方法来开展，即将一个视频分为若干个不重叠的视频片段，每个视频片段作为一个实例，一个视频中的所有实例构成一个包，按照包中是否包含异常实例将视频包分为正包和负包（正包...
【技术保护点】
1.一种视频异常检测装置，其特征在于，包括：特征生成模型和视频异常检测模型；
2.根据权利要求1所述的一种视频异常检测装置，其特征在于，所述第一特征增强模块包括全局时序特征增强模块和局部时序特征增强模块；
3.根据权利要求2所述的一种视频异常检测装置，其特征在于，所述全局时序特征增强模块生成全局时序特征，其步骤包括：
4.根据权利要求3所述的一种视频异常检测装置，其特征在于，所述利用位置编码增强相关度矩阵的计算公式为：
5.根据权利要求4所述的一种视频异常检测装置，其特征在于，所述局部时序特征增强模块包括多头注意力模块；...
【技术特征摘要】
1.一种视频异常检测装置，其特征在于，包括：特征生成模型和视频异常检测模型；
2.根据权利要求1所述的一种视频异常检测装置，其特征在于，所述第一特征增强模块包括全局时序特征增强模块和局部时序特征增强模块；
3.根据权利要求2所述的一种视频异常检测装置，其特征在于，所述全局时序特征增强模块生成全局时序特征，其步骤包括：
4.根据权利要求3所述的一种视频异常检测装置，其特征在于，所述利用位置编码增强相关度矩阵的计算公式为：
5.根据权利要求4所述的一种视频异常检测装置，其特征在于，所述局部时序特征增强模块包括多头注意力模块；所述局部时序特征增强模块生成局部时序特征，其步骤包括：
6.根据...
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。