[發明專利]基于重建誤差的非特定異常事件檢測及定位方法、計算機

有效

• 申請號: 201710561003.6
• 申請日: 2017-07-11
• 公開（公告）號: CN107358195B
• 公開（公告）日: 2020-10-09
• 發明（設計）人: 邵杰;武慧敏;宋井寬;高聯麗;申恒濤
• 申請（專利權）人: 成都考拉悠然科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 北京眾合誠成知識產權代理有限公司 11246
• 代理人: 夏艷

1.一種基于重建誤差的非特定異常事件檢測及定位方法，其特征在于，所述基于重建誤差的非特定異常事件檢測及定位方法將VAE/GAN嵌入two-stream- architecture中；將視頻原始數據輸入到一個VAE/GAN中實現空間數據生成，將對應的光流場輸入到另一個VAE/GAN中實現時間數據生成。

2.如權利要求1所述的基于重建誤差的非特定異常事件檢測及定位方法，其特征在于，所述基于重建誤差的非特定異常事件檢測及定位方法包括：離線訓練過程和離群值檢測過程；經過離線訓練之后，獲得空間數據生成模型和時間數據生成模型。

3.如權利要求2所述的基于重建誤差的非特定異常事件檢測及定位方法，其特征在于，所述基于重建誤差的非特定異常事件檢測及定位方法的離線訓練過程包括：

步驟一，將正常視頻劃分成互相不重合的大小為w*h*t的三維子塊，其中w，h和t分別代表所述三維子塊的寬度、長度以及幀數；上述三維子塊的大小代表了異常事件能夠被檢測出來的最小粒度；

步驟二，將正常的視頻中三維子塊拼成大小為的W*H*t平面小塊，其中平面小塊的寬度W是三維小塊寬度w的整數倍，同樣，平面小塊的高度H是三維小塊高度h的整數倍，以小塊為輸入，訓練two-stream-VAE/GAN模型，two-stream-VAE/GAN模型的定義是這樣一種模型：第一個stream以平面小塊為輸入，采用VAE/GAN方法，經訓練輸出與輸入大小相同內容相像的圖片；第二個stream以平面小塊對應的密集光流場為輸入，同樣采用VAE/GAN方法，經訓練輸出與輸入大小相同內容相像的圖片，計算輸入圖片和輸出圖片每個平面小塊之間的距離，即重建誤差，判斷那些兩個stream的重建誤差之和超過一定閾值的平面小塊為異常。

4.如權利要求2所述的基于重建誤差的非特定異常事件檢測及定位方法，其特征在于，所述基于重建誤差的非特定異常事件檢測及定位方法的離群值檢測過程包括：

步驟一，將需要檢測視頻以與離線訓練過程同樣的方式劃分成互相不重合的大小為w*h*t的三維子塊，并以與離線訓練過程中同樣的方式組成平面小塊；

步驟二，將平面小塊以及平面小塊的密集光流場輸入到two-stream-VAE/GAN的模型中，計算two-stream-VAE/GAN的重建誤差，并以重建誤差為指導判斷所述平面小塊是否為異常。

5.一種應用權利要求1～4任意一項所述基于重建誤差的非特定異常事件檢測及定位方法的計算機。