龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：重庆大学
摘要：本发明涉及一种基于提示学习与多尺度时序融合的视频异常事件检测方法，属于视频处理领域。该方法主要包括视觉语言提示学习和多尺度时序特征融合的双分支结构。视觉语言提示学习分支利用CLIP模型强大的先验知识来识别数据集中潜在的异常行为并转化为伪标签，以此作为额外的监督信号指导异常事件检测模型的训练。多尺度时序融合分支通过多尺度时序关系建模模块，精细捕捉视频不同粒度的时序信息，提升模型在处理不同时间跨度异常事件时的识别效果。通过双分支的协同优化，能够进一步提高异常事件检测模型的鲁棒性和泛化性，并适用于多种复杂场景。
主权项：1.一种基于提示学习与多尺度时序融合的视频异常事件检测方法，其特征在于：包括如下步骤：S1：获取有多个视频构成的数据集，并对每段视频进行预处理，视频vi经过预处理后得到的视频片段特征记为其中ti表示将vi视频划分成多个连续帧且互不重叠的视频片段的数量，d表示特征维度；S2：对数据集中的每个视频生成伪标签；S3：构建多尺度时序特征网络，对xi进行从粗粒度到细粒度的多尺度建模得到多尺度时序特征金字塔Z＝{Z1，Z2，...，ZL}，Z＝{Z1，Z2，...，ZL}经轻量级卷积解码器得到各个尺度的最终特征，最终特征经过分类器得到了各个粒度的异常片段分数{S1，S2，...，SL}，然后使用自适应权重融合机制得到vi的最终异常片段分数S，轻量级卷积解码器和其后面的分类器构成分类网络fcls；S4：设计整体损失函数Ltotal，并利用损失函数更新S3中多尺度时序特征网络和分类网络fcls的参数，直至损失不再变化，得到训练好的多尺度时序特征网络、轻量级卷积解码器和分类器；S5：对于一个新视频，将该新视频采用S1的方法得到x′i，将x′i输入训练好的多尺度时序特征网络，然后再经训练好的轻量级卷积解码器和分类器后，输出预测的类别。
全文数据：
权利要求：
百度查询： 重庆大学 基于提示学习与多尺度时序融合的视频异常事件检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号