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！

龙图腾网获悉中国邮电器材集团有限公司;中山大学;中邮数智(西安)科技有限公司申请的专利一种园区异常行为少样本实时监测方法与系统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：CN121259512B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202511834942.4，技术领域涉及：G06V10/80；该发明授权一种园区异常行为少样本实时监测方法与系统是由李婧;周凡;张扬眉;林格;王子寒;苏卓设计研发完成，并于2025-12-08向国家知识产权局提交的专利申请。

本一种园区异常行为少样本实时监测方法与系统在说明书摘要公布了：本发明提供一种园区异常行为少样本实时监测方法与系统，涉及计算机技术领域，所述方法包括：获取园区实时监控视频流作为查询集，并从预置的异常行为数据库中调取若干已知类别的视频样本作为支持集；通过特征提取网络分别对查询集和支持集中的视频帧序列进行处理，并行提取表征静态细节的空间特征、表征全局演变的时序特征以及表征帧间变化强度的动作特征；基于动作特征所表征的运动强度，对空间特征进行加权增强，并将增强后的空间特征与时序特征进行融合，生成综合特征；将查询集的综合特征输入匹配模型作为查询项，对支持集的综合特征进行自适应重加权，并基于查询项与重加权后的支持集综合特征，判断园区实时监控视频流中是否存在异常行为。

本发明授权一种园区异常行为少样本实时监测方法与系统在权利要求书中公布了：1.一种园区异常行为少样本实时监测方法，其特征在于，包括： 获取园区实时监控视频流作为查询集，并从预置的异常行为数据库中调取若干已知类别的视频样本作为支持集； 通过预训练的特征提取网络，分别对所述查询集和所述支持集中的视频帧序列进行处理，并行提取表征静态细节的空间特征、表征全局演变的时序特征以及表征帧间变化强度的动作特征； 基于所述动作特征所表征的运动强度，对所述空间特征进行加权增强，并将增强后的空间特征与所述时序特征进行融合，生成综合特征； 将所述查询集的综合特征输入预训练的匹配模型作为查询项，对所述支持集的综合特征进行自适应重加权，并基于所述查询项与重加权后的支持集综合特征，判断所述园区实时监控视频流中是否存在异常行为； 其中，所述预训练的特征提取网络和所述预训练的匹配模型，是预先基于元学习策略，通过最小化预测结果与真实标签之间的损失函数训练得到的； 所述特征提取网络包括通道注意力单元； 提取表征帧间变化强度的动作特征，具体包括： 获取所述特征提取网络针对视频帧序列中每一帧输出的帧级特征向量； 对相邻帧的帧级特征向量进行差分计算，得到原始运动特征； 通过所述通道注意力单元计算所述原始运动特征中各特征通道的重要性权重； 通过激活函数将所述重要性权重映射至预设数值区间，并利用映射后的权重对所述原始运动特征进行筛选，以抑制背景噪声干扰并保留关键运动信息，将筛选后的特征作为所述动作特征； 所述特征提取网络包括空间注意力单元和通道注意力单元； 所述提取表征静态细节的空间特征，具体包括： 获取所述特征提取网络针对视频帧序列中每一帧输出的帧级特征向量； 通过所述空间注意力单元提取所述帧级特征向量中的显著目标区域信息； 通过所述通道注意力单元对提取显著目标区域信息后的特征向量的特征通道进行重校准，输出所述空间特征； 所述特征提取网络包括多层堆叠的自注意力层； 提取表征全局演变的时序特征，具体包括： 获取所述特征提取网络针对视频帧序列中每一帧输出的帧级特征向量，并将所述视频帧序列中每一帧输出的帧级特征向量按照时间顺序构建为特征序列集合； 通过所述自注意力层对所述特征序列集合进行全局上下文建模，捕捉帧间的长距离依赖关系，输出所述时序特征； 基于所述动作特征所表征的运动强度，对所述空间特征进行加权增强，并将增强后的空间特征与所述时序特征进行融合，生成综合特征，具体包括： 利用所述动作特征作为权重向量，与所述空间特征进行逐元素点乘，得到动作增强后的空间特征； 将所述动作增强后的空间特征与未处理的原始空间特征进行残差连接； 将残差连接后的特征向量与所述时序特征进行拼接或相加，得到所述综合特征。

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中国邮电器材集团有限公司;中山大学;中邮数智(西安)科技有限公司，其通讯地址为：100031 北京市西城区复兴门内大街156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。