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：成都理工大学
摘要：本发明提出了一种基于动态特征自适应融合和Z‑Score优化的异常检测方法。在控制计算复杂度度的前提下，重视时序特征建模对于获取视频动态的重要性，考虑通过短时与长时视频动态信息的自适应融合，进一步达到提升视频异常检测性能的目的。异常视频中的实例得分符合标准正态分布，异常得分较高的值位于分布的尾部。Z‑Score是一种使用标准差作为标尺来测量原始分数和平均分数之间距离的度量，利用Z‑Score来优化异常得分可以使异常视频包中正常片段和异常片段的异常得分区分度变大。实验结果表明，本发明方法的动态特征自适应融合与MTN基准相比，在三个数据集上的平均AUC比标准RTFM的提升1.36%，平均误检率降低0.11%，模型FLOPs降低50%。Z‑Score优化后的异常得分也比RTFM基准所使用的优化方式生成的正负实例的异常分数更具代表性。
主权项：1.一种基于动态特征自适应融合和Z-Score优化的异常检测方法，其特征在于：1在预提取的视频片段特征上捕获视频的长时动态，使用全局平均池化对视频长时动态进行压缩；2两个一维卷积层从预提取的视频片段特征上获取视频的短时动态，并将其激活；3利用压缩后的视频长时动态生成自适应卷积核与3中激活后的短时动态进行卷积，实现时序特征的自适应融合；4重复1-3步骤三次，再将三次的结果进行最终的聚合；5利用Z-Score优化异常包内视频片段的异常得分。
全文数据：
权利要求：
百度查询： 成都理工大学 基于动态特征自适应融合和Z-Score优化的异常检测方法
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