公开(公告)号：CN119851178A

公开(公告)日：2025-04-18

申请号：CN202411923614.7

申请日：2024-12-25

Applicant: 大连理工大学

Inventor： 葛宏伟 ,  刘奕琳 ,  姜龙威 ,  李博 ,  孙亮

IPC: G06V20/40 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0499 ,  G06N3/084 ,  G06N3/0895

Abstract: 本发明属于人工智能与视频异常检测领域，公开了一种基于课程学习和对比学习策略的弱监督视频异常检测方法。通过模仿人类的学习方式设计课程学习策略，并通过基于正态原型的对比学习方法训练异常检测模型，包括以下步骤：视频预处理并提取光流图像；提取视频外观及运动特征并融合；输入预分类器中获得伪标签；根据伪标签判定异常检测难度，划分简单集合与困难集合；利用简单集合初始化模型；利用困难集合进行二阶段训练，通过正态原型对比学习更新模型参数。通过使用本发明可以有效提升弱监督视频异常检测模型的判别能力，极大程度上解决现有技术存在的噪声影响下的模型偏差、正异常边界模糊、模型区分能力不足的问题，显著提高视频异常检测的准确性。

公开(公告)号：CN119851176A

公开(公告)日：2025-04-18

申请号：CN202411922559.X

申请日：2024-12-25

Applicant: 大连理工大学

Inventor： 葛宏伟 ,  姜龙威 ,  刘奕琳 ,  李博 ,  孙亮

IPC: G06V20/40 ,  G06V10/80 ,  G06V10/82 ,  G06V10/74 ,  G06V20/70 ,  G06V10/764 ,  G06N3/0464 ,  G06N3/088

Abstract: 本发明属于人工智能与视频异常检测领域，公开一种基于哈希映射的无监督场景相关视频异常检测方法，步骤如下：视频预处理；训练场景分类器；提取并融合前景RGB特征与光流特征，场景分类；哈希映射编码器编码特征，计算前景对象哈希值；计算相同对象相邻时间步哈希值间距离作为损失训练网络；构建正常模式数据库；测试集异常检测。通过使用本发明不仅有效的提高模型对运动幅度和方向等细节特征的感知能力，增强模型对正常与异常的区分能力，还能实现前景对象与其所处场景的有效绑定，提升模型的场景感知能力，显著提高无监督视频异常检测的检测能力。本发明作为一种基于哈希映射的无监督场景相关视频异常检测方法，可广泛用于视频异常检测领域。