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！

龙图腾网获悉华东师范大学申请的专利基于无监督下帧相关性的视频时间序列的异常帧探测方法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：CN115546689B 。

龙图腾网通过国家知识产权局官网在2026-03-13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：202211206803.3，技术领域涉及：G06V20/40；该发明授权基于无监督下帧相关性的视频时间序列的异常帧探测方法是由金博;王子阳;王祥丰;朱骏设计研发完成，并于2022-09-30向国家知识产权局提交的专利申请。

本基于无监督下帧相关性的视频时间序列的异常帧探测方法在说明书摘要公布了：一种基于无监督下帧相关性的视频时间序列的异常帧探测方法，通过构建包含正常视频和伪异常视频的训练对；对训练对中的视频帧进行语义编码和位置编码，得到具有时序信息的降维特征，根据编码后的特征进行相关性计算得到视频帧的全局相关性和局部相关性；本发明两种注意力分布图，通过类比人类判断异常的过程，实现基于视频窗口内部的同类类比的异常检测流程，通过对比注意力分布图进而得到目标序列的每一帧的异常分数。其中：在每种目标分布图中根据实际特点，构造两类EM算法式的单循环内迭代更新，再用重建损失和k‑min‑max规则对异常模型进行修正，从而获得正常样本所具有和隐含模式，当推理阶段输入是异常时，可以实现精准异常值检测。

本发明授权基于无监督下帧相关性的视频时间序列的异常帧探测方法在权利要求书中公布了：1.一种基于无监督下帧相关性的视频时间序列的异常帧探测方法，其特征在于，包括： 步骤一：获取多个连续的正常视频序列作为训练集，剔除其中质量不佳的片段，具体为：将输入的原始视频通过ffmpeg分解成若干帧作为原数据，对原数据删除图像质量较差的图像； 步骤二：对于步骤一处理后的正常视频，抽取其中与其场景不同的其他正常视频中的片段，替换为正常视频中的同长度片段，构成伪异常视频，形成的伪异常视频和正常视频组成训练对，具体为：按照预设的时间窗口和步长分解成若干时间窗口，每一个视频片段将会产生个视频片段，达到数据增广的作用，单视频所得视频片段为；通过正常视频段构造异常视频段：使用其他场景下的正常视频片段替换当前场景下的视频片段，构造伪异常视频，其中：k为正常视频长度，其中：第j帧到j+m-1帧被替换为，记录异常的位置； 步骤三：使用卷积网络分别提取伪异常视频和正常视频的语义特征，并计算位置特征，将语义特征和位置特征相加得到伪异常视频和正常视频的训练特征，具体为：，其中：为视频帧输入卷积网络得到，即经过语义编码后的结果，，为位置编码器的结果，与具体向量值无关，实现方式为一个三角函数特征编码器，具体的，，，其中是帧的编号，是特征的序号，标识第帧特征第维向量的值，从1顺序增加到，表示的特征维度，得到终提取出的特征为； 步骤四：将伪异常训练特征和正常训练特征输入全局特征和局部特征模型得到全局特征，通过相关性约束损失函数约束伪异常视频和正常视频的局部特征，通过正常视频的全局相关性损失函数约束正常视频的全局特征，通过伪异常视频全局相关性损失函数约束伪异常视频的全局特征； 步骤五：使用k-min-max规则筛选伪异常视频和正常视频的全局特征，将选出的视频帧的特征通过铰链损失函数约束全局特征； 步骤六：将步骤五选出的视频帧的特征输入训练打分器模型，得到全局特征； 步骤七：通过全局特征构建正常视频和伪异常视频的重建项，将重建项输入全局特征和局部特征模型并重复步骤四-步骤六，直到循环次数达到预设模型层数，实现全局特征和局部特征模型的训练； 步骤八：在在线阶段，采用训练后的全局特征和局部特征模型进行异常帧探测。

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华东师范大学，其通讯地址为：200062 上海市普陀区中山北路3663号；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。