【技术实现步骤摘要】
本专利技术涉及异常行为检测，尤其是涉及一种边缘端多模态异常行为检测方法及系统。
技术介绍
1、异常行为检测是指通过数据分析、机器学习或模式识别等技术，识别与正常行为模式显著偏离的异常活动的过程。
2、目前在对异常行为进行检测的过程中，一般通过摄像头对图像、视频等原始数据进行采集后，通过网络实时或批量传输至云端或中心服务器，再对原始数据进行去噪、归一化、目标检测等预处理后，从采集的大量无异常的图像数据中提取通用特征并作为正常样本，再对采集的图像或视频中存在与正常样本匹配，从而对异常行为进行检测。
3、由于目前进行异常行为检测时，采用摄像头对图像、视频进行采集后，一般对图像中的行为特征进行分析后得到异常行为的检测结果，而同一个行为特征在不同的场景中会存在不同的含义，从而容易导致最终检测得到的异常行为检测结果存在误差。
技术实现思路
1、为了提高异常行为检测结果的准确性，本专利技术提供一种边缘端多模态异常行为检测方法及系统。
2、第一方面，本专利技术提供一种边...
【技术保护点】
1.一种边缘端多模态异常行为检测方法，其特征在于，包括：
2.根据权利要求1所述的一种边缘端多模态异常行为检测方法，其特征在于，所述图像行为特征的生成方法包括：
3.根据权利要求2所述的一种边缘端多模态异常行为检测方法，其特征在于，所述相似参考值的生成方法包括：
4.根据权利要求3所述的一种边缘端多模态异常行为检测方法，其特征在于，所述选取基准图像信息的生成方法包括：
5.根据权利要求3所述的一种边缘端多模态异常行为检测方法，其特征在于，所述行为基准声音信息及所述图像检测结果信息的生成方法包括：
6.根据权利...
【技术特征摘要】
1.一种边缘端多模态异常行为检测方法，其特征在于，包括：
2.根据权利要求1所述的一种边缘端多模态异常行为检测方法，其特征在于，所述图像行为特征的生成方法包括：
3.根据权利要求2所述的一种边缘端多模态异常行为检测方法，其特征在于，所述相似参考值的生成方法包括：
4.根据权利要求3所述的一种边缘端多模态异常行为检测方法，其特征在于，所述选取基准图像信息的生成方法包括：
5.根据权利要求3所述的一种边缘端多模态异常行为检测方法，其特征在于，所述行为基准声音信息及所述图像检测结果信息的生成方法包括：
【专利技术属性】
技术研发人员：程远，杨明伦，王胤睿，
申请(专利权)人：辛米尔视觉科技上海有限公司，
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。