【技术实现步骤摘要】
本专利技术涉及数据处理领域，尤其涉及一种视频异常事件检测的方法、装置、设备及介质。
技术介绍
1、在视频异常事件进行检测的过程中，一方面，由于对于同一个事件其所处的时空上下文场景不同，异常事件的属性定义可能不相同，需要对异常事件定义场景的相关性；另一方面，由于异常事件发生的频率远低于正常事件，并且持续过程极端较难被记录，因此缺乏可用的较大容量的异常事件样本。
2、在视频异常事件检测的相关技术中，通过半监督学习的方式进行视频异常事件检测，大多依赖结构复杂、规模庞大、参数众多的卷积神经网络模型来保证较高检测精度，需要收集所有类型的正常事件样本并进行人工标注来构建一个完美的正常事件模型。
技术实现思路
1、有鉴于此，本专利技术提出了一种视频异常事件检测的方法、装置、设备及介质，至少解决了上述在视频异常事件检测的相关技术中，通过半监督学习的方式进行视频异常事件检测，大多依赖结构复杂、规模庞大、参数众多的卷积神经网络模型来保证较高检测精度，需要收集所有类型的正常事件样本并进行人工标注来构...
【技术保护点】
1.一种视频异常事件检测的方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述对所述梯度特征立方体基于主成分分析网络算法进行分块采样后进行差异扩展化操作，以从所述梯度特征立方体中提取每个分块对应的特征图的步骤包括：
3.根据权利要求1所述的方法，其特征在于，所述基于滑动窗口对视频序列进行预处理得到视频分块的步骤包括：
4.根据权利要求1所述的方法，其特征在于，所述基于光流特征计算所述光流特征立方体的运动信息异常值的步骤包括：
5.根据权利要求1所述的方法，其特征在于，所述对所述每个视频分块的表观信息异...
【技术特征摘要】
1.一种视频异常事件检测的方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述对所述梯度特征立方体基于主成分分析网络算法进行分块采样后进行差异扩展化操作，以从所述梯度特征立方体中提取每个分块对应的特征图的步骤包括：
3.根据权利要求1所述的方法，其特征在于，所述基于滑动窗口对视频序列进行预处理得到视频分块的步骤包括：
4.根据权利要求1所述的方法，其特征在于，所述基于光流特征计算所述光流特征立方体的运动信息异常值的步骤包括：
5.根据权利要求1所述的方法，其特征在于，所述对所述每个视频分块的表观信息异常值和运动信息异常值进行加权融合后与预设的异常阈值比较来判断是否为异常分块，以定位异常事件位置的步...
【专利技术属性】
技术研发人员：李南君，李拓，邹晓峰，王长红，李国庆，展永政，
申请(专利权)人：山东云海国创云计算装备产业创新中心有限公司，
类型：发明
国别省市：
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。