Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 南通大学李洪均获国家专利权

南通大学李洪均获国家专利权

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!

龙图腾网获悉南通大学申请的专利一种基于时空记忆网络的视频异常检测方法及设备获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN117011753B

龙图腾网通过国家知识产权局官网在2025-09-30发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202310633934.8,技术领域涉及:G06V20/40;该发明授权一种基于时空记忆网络的视频异常检测方法及设备是由李洪均;陈明一;孙晓虎;陈俊杰设计研发完成,并于2023-05-31向国家知识产权局提交的专利申请。

一种基于时空记忆网络的视频异常检测方法及设备在说明书摘要公布了: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。

本发明授权一种基于时空记忆网络的视频异常检测方法及设备在权利要求书中公布了:1.一种基于时空记忆引导网络的视频异常检测方法,其特征在于,包含测试阶段和训练阶段: 在训练阶段,构建视频异常检测模型,模型中包含自动编码器和记忆模块;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,将所述多维特征序列输入记忆模块,记忆模块计算出多维特征序列中的低维特征之间的时空关系信息,以记忆模块的记忆项为载体对时空关系信息进行读取和更新,并使用一个不确定性函数优化记忆模块更新中涉及的损失函数的权重平衡;通过记忆模块引导后得到时序强相关特征,将时序强相关特征输入自动编码器中的解码器,预测出下一视频帧,更新视频异常检测模型; 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,通过异常分数计算判断测试视频是否存在异常; 所述记忆模块计算出多维特征序列中的低维特征之间的时空关系信息的过程包含: 在t时刻,记忆模块将多维特征序列保持原尺寸大小并沿着通道维度展开成序列Seq1,将Seq1与三个参数矩阵Wq、Wk、Wv相乘,得到包含三个特征向量qi、ki、vi的序列Seq2,其中qi为时序相关性查询项,ki为时序相关性匹配向量,vi则是Seq1中第i个元素往下传递的特征信息;将Seq1中第i个元素的qi与其他元素的时序相关性匹配向量做点积运算计算得到初始相关性分数,如下公式所示: cij=qikj其中,cij表示时刻t第i个元素与其他元素j计算得出的初始相关性分数,为记忆模块的读取项; 当元素i与其他所有元素完成相关性计算后,所有cij组成初始相关性序列Seq3,i;在训练阶段,所有序列使用同样的参数矩阵Wq、Wk、Wv进行并行计算; 所述以记忆模块的记忆项为载体对时空关系信息进行读取和更新以及通过记忆模块引导后得到时序强相关特征的过程包含: 记忆模块对初始相关性序列Seq3,i进行读取;将读取项cij与记忆模块中的各个存储记忆项进行比较,比较的步骤首先计算读取项cij与记忆模块中的各个存储记忆项之间的欧式距离,如下公式所示: 其中,dl2表示欧氏距离,cm为存储记忆项存储的相关性分数; 当序列Seq3,i中所有元素与存储记忆项计算过欧氏距离后,欧式距离最短的存储记忆项为cij的最佳匹配存储记忆项cm_out,将最佳匹配存储记忆项组合为最佳匹配序列将最佳匹配存储记忆项cm_out与cij进行相加操作得到规范后的相关性信息c′ij; 代表规范后的相关性信息c′ij的向量除以序列Seq1中每个元素的共同维度d,并且施加一个Softmax操作后,得到Seq1中元素i对所有元素的最终相关性分数sij,计算公式如下所示: 最终相关性分数sij组成序列Seq4,i;将Seq4,i中的元素与Seq2中的各个vi一一对应,进行加权求和,计算公式如下所示: 其中ei为记忆模块引导后得到的时空强相关特征,sij为最终相关性分数,vj为编码器输出的多维特征序列中的向量,n为编码器输出的多维特征序列的通道数;所有ei组成了序列Seqout,将Seqout作为解码器的输入。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人南通大学,其通讯地址为:226000 江苏省南通市崇川区永福路79号1幢南通大学技术转移研究院;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

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。