公开(公告)号：CN117456409A

公开(公告)日：2024-01-26

申请号：CN202311329512.8

申请日：2023-10-16

Applicant: 蚌埠学院

Inventor： 王显龙 ,  李现伟 ,  朱洪浩 ,  赵文志

IPC: G06V20/40 ,  G06V10/82 ,  G06V10/776 ,  G06V10/774 ,  G06V10/764 ,  G06V10/77 ,  G06N3/0464

Abstract: 本发明提供一种基于PCANet的多示例学习视频异常识别方法，涉及视频分析技术领域，本发明通过构建基于PCANet深度学习网络的图像分类模型，使用PCANet深度学习网络提取视频片段的特征，PCANet深度学习网络通过卷积和主成分分析层，能够高效地捕获图视频中的局部特征，还可以降低特征的维度，同时保留主要的信息，减少计算复杂性，并可以帮助消除冗余或不重要的特征，从而提高后续任务的效率和性能，而且不依赖于大规模标注数据不需要大规模标记的数据进行训练，可以通过无监督或半监督学习方式进行预训练，另外使用多示例学习模型中进行分类对视频片段是否异常进行分类，可以使用多个正常的学习示例作为训练样本，不用依赖单一的训练样本。