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！

龙图腾网恭喜浙江大学申请的专利多时相监控图像抗干扰异常检测模型训练方法、装置及检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：CN114782895B 。

龙图腾网通过国家知识产权局官网在2025-04-04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：202210455616.2，技术领域涉及：G06V20/52；该发明授权多时相监控图像抗干扰异常检测模型训练方法、装置及检测方法是由赵春晖;王鹏设计研发完成，并于2022-04-24向国家知识产权局提交的专利申请。

本多时相监控图像抗干扰异常检测模型训练方法、装置及检测方法在说明书摘要公布了：本发明公开了一种多时相监控图像抗干扰异常检测模型训练方法、装置及检测方法，本发明基于待测图进行场景转换，生成与基准图存在季节，天气变化的干扰图。使用三重孪生网络对基准图，待测图和干扰图提取特征，同时在特征层面构建空间一致性约束以抵抗季节，天气变化干扰，经特征融合后使用矩形框定位异常区域。本发明采用基准图+待测图+干扰图作为网络输入，结合空间一致性约束可以有效提取鲁棒性差异特征，从而提升多时相监控图像异常检测模型的精度与抗干扰能力。本发明可用于固定监控场景中的自动化异常检测，且异常检测模型适应性与抗干扰能力强。

本发明授权多时相监控图像抗干扰异常检测模型训练方法、装置及检测方法在权利要求书中公布了：1.一种多时相监控图像抗干扰异常检测模型训练方法，其特征在于，具体为：基于多时相监控图像构建图像异常检测数据集，所述图像异常检测数据集中每个样本为I-n，I-d，I-i三元组，I-n为基准图，I-d为待测图，I-i为所述待测图对应的干扰图，所述干扰图与待测图的天气和或季节不同；构建抗干扰异常检测模型，所述抗干扰异常检测模型包括三重孪生网络、差异特征融合模块和多尺度预测网络，其中：所述三重孪生网络为三个结构相同且权值共享的特征提取网络，分别用于提取获得基准图、待测图和干扰图的不同尺度的特征Nl,Dl,Il，l＝1,2,3…M；Nl表示基准图提取的第l种尺度的特征，Dl表示待测图提取的第l种尺度的特征，Il表示干扰图提取的第l种尺度的特征，M是尺度的种类数量；所述差异特征融合模块用于根据获取的不同尺度的特征，计算每个尺度的检测差异特征HDl＝|Nl-Dl|、干扰差异特征HIl＝|Nl-Il|并计算检测差异特征与干扰差异特征的融合差异特征HDIl；所述多尺度预测网络用于基于每个尺度的融合差异特征HDll，预测获得每个尺度的预测值Rl∈Sl*Sl*Kl*4；第l个尺度中划分单元数为Sl，Anchor数为Kl；将图像异常检测数据集中每个样本作为抗干扰异常检测模型的输入，以最小化损失函数为目标对抗干扰异常检测模型进行训练，获得训练好的抗干扰异常检测模型；所述损失函数包含预测值Rl和真实标签的定位损失。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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”。