技術(shù)特征：

1.基于元學(xué)習(xí)和時(shí)空關(guān)系的未來(lái)幀異常檢測(cè)方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的基于元學(xué)習(xí)和時(shí)空關(guān)系的未來(lái)幀異常檢測(cè)方法，其特征在于，在元學(xué)習(xí)模塊中，正常行為特征集合被定義為：

3.根據(jù)權(quán)利要求2所述的基于元學(xué)習(xí)和時(shí)空關(guān)系的未來(lái)幀異常檢測(cè)方法，其特征在于，在查詢(xún)的過(guò)程中，來(lái)自ae編碼圖的輸入編碼向量被用作查詢(xún)來(lái)檢索原型池中的相關(guān)項(xiàng)，以重建正態(tài)編碼fφ(x)，將查詢(xún)集編碼為fφ′(x)：

4.根據(jù)權(quán)利要求3所述的基于元學(xué)習(xí)和時(shí)空關(guān)系的未來(lái)幀異常檢測(cè)方法，其特征在于，未來(lái)幀預(yù)測(cè)：通過(guò)修改u-net以進(jìn)行未來(lái)幀預(yù)測(cè)，在u-net網(wǎng)絡(luò)中，引入注意力模塊學(xué)習(xí)輸入圖像的時(shí)空關(guān)系，使基于u-net的預(yù)測(cè)網(wǎng)絡(luò)有更好的預(yù)測(cè)效果；對(duì)于每?jī)蓚€(gè)卷積層，保留輸出分辨率；因此，添加快捷方式時(shí)不再需要裁剪和調(diào)整大小操作；所有卷積層、反卷積層和最大池化層的內(nèi)核大小均設(shè)置為3；在u-net預(yù)測(cè)網(wǎng)絡(luò)中，輸入和輸出具有相同的分辨率；

5.根據(jù)權(quán)利要求4所述的基于元學(xué)習(xí)和時(shí)空關(guān)系的未來(lái)幀異常檢測(cè)方法，其特征在于，目標(biāo)函數(shù)：將所有關(guān)于外觀、運(yùn)動(dòng)和對(duì)抗性訓(xùn)練的約束結(jié)合到目標(biāo)函數(shù)中，并得出以下目標(biāo)函數(shù)，這些函數(shù)支持表示目標(biāo)正常行為的原型學(xué)習(xí)、增強(qiáng)編碼的特征重建以及未來(lái)幀預(yù)測(cè)；

6.根據(jù)權(quán)利要求5所述的基于元學(xué)習(xí)和時(shí)空關(guān)系的未來(lái)幀異常檢測(cè)方法，其特征在于，利用預(yù)測(cè)幀與其真實(shí)值之間的差異來(lái)進(jìn)行異常預(yù)測(cè)：

技術(shù)總結(jié)
本發(fā)明屬于智能視頻處理技術(shù)領(lǐng)域，具體涉及基于元學(xué)習(xí)和時(shí)空關(guān)系的未來(lái)幀異常檢測(cè)方法。本發(fā)明方法提出了了元學(xué)習(xí)模塊，基于模型的元學(xué)習(xí)方法使得模型能夠從多個(gè)任務(wù)中學(xué)習(xí)到通用的特征，系統(tǒng)可以從數(shù)據(jù)中學(xué)習(xí)到更具有判別性和泛化性的特征表示。不同的監(jiān)控場(chǎng)景和異常行為時(shí)，模型也能夠準(zhǔn)確地進(jìn)行異常檢測(cè)，而不會(huì)出現(xiàn)過(guò)擬合或欠擬合的情況。本發(fā)明方法將元學(xué)習(xí)模塊引入自動(dòng)編碼器中，利用元學(xué)習(xí)模塊的學(xué)習(xí)特性，對(duì)自動(dòng)編碼器提取特征進(jìn)行提取保存并更新的同時(shí)，通過(guò)學(xué)習(xí)自動(dòng)獲取提取輸入視頻幀的特征重要性，并為更值得關(guān)注的特征分配重要權(quán)重，這有助于在未來(lái)幀預(yù)測(cè)網(wǎng)絡(luò)輸入階段關(guān)鍵特征的利用率。

技術(shù)研發(fā)人員：李洪均,杜宇龍
受保護(hù)的技術(shù)使用者：南通大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/10