公开(公告)号：CN117011753A

公开(公告)日：2023-11-07

申请号：CN202310633934.8

申请日：2023-05-31

Applicant: 南通大学

Inventor： 李洪均 ,  陈明一 ,  孙晓虎 ,  陈俊杰

IPC: G06V20/40 ,  G06V10/82 ,  G06N3/049 ,  G06N3/08

Abstract: 本发明属于计算机视觉领域，具体涉及一种基于时空记忆网络的视频异常检测方法及设备。本发明方法包含：在训练阶段，将正常行为的视频帧输入视频异常检测模型中，通过自动编码器中的编码器输出多维特征序列输入记忆模块，记忆模块计算出时空关系信息并以记忆项为载体对时空关系信息进行读取和更新，优化记忆模块更新中涉及的损失函数的权重平衡；将时序强相关特征输入到自动编码器中的解码器；在测试阶段，将测试视频帧输入到训练好的视频异常检测模型中，计算异常分数。本发明利用记忆模块的引导，学习特征序列之间时序上和全局上的关联性，对记忆模块的存储和更新规则进行了优化，加速记忆模块的收敛，提高了模型的稳定性以及检测精度。

公开(公告)号：CN115601679A

公开(公告)日：2023-01-13

申请号：CN202211317988.5

申请日：2022-10-26

Applicant: 南通大学(CN)

Inventor： 李洪均 ,  陈明一 ,  孙晓虎 ,  陈俊杰

IPC: G06V20/40 ,  G06V10/44 ,  G06V10/764 ,  G06V10/80

Abstract: 本发明属于计算机视觉领域，具体涉及基于多维二阶记忆引导网络的视频异常检测方法及系统，本发明方法包括异常检测模型训练阶段和测试阶段两个阶段。在训练阶段采用隐式计算方法提取连续帧之间时间维度上的初始流动性特征，对初始流动性特征进行四次维度扩充卷积运算得到融合后的特征图；从初始流动性特征和特征图中提取出矫正后的流动性特征，并使用多维二阶记忆引导模块引导流动性特征提取的过程。在测试阶段将整个视频帧输入到异常检测模型中，对视频帧打出异常分数，使用异常分数判断视频中是否存在异常。本发明中使用了维度扩充和特征融合的策略，并采用了多维二阶记忆引导模块，提高了特征重建的效果，能够更有效地识别视频中的异常。