[發明專利]一種監控視頻異常檢測方法及裝置有效

申請號：	202011489398.1	申請日：	2020-12-16
公開（公告）號：	CN112597864B	公開（公告）日：	2023-07-28
發明（設計）人：	黃振杰	申請（專利權）人：	佳都科技集團股份有限公司;廣州佳都科技軟件開發有限公司
主分類號：	G06V20/52	分類號：	G06V20/52;G06V20/40;G06V10/774;G06V10/764;G06V10/74;G06V10/82;G06N3/08;G06N3/0464
代理公司：	北京澤方譽航專利代理事務所(普通合伙) 11884	代理人：	陳照輝
地址：	511400 廣東省廣州市番禺區東環街迎賓***	國省代碼：	廣東;44
權利要求書：	查看更多	說明書：	查看更多
摘要：
搜索關鍵詞：	一種監控視頻異常檢測方法裝置
鉆瓜網技術展會專利詞庫專利權人專利榜在售專利公布日期熱門專利

【說明書】：

本申請實施例公開了一種監控視頻異常檢測方法及裝置。本申請實施例提供的技術方案，通過獲取待檢測監控視頻的第一視頻幀，將第一視頻幀輸入預先訓練的生成式對抗網絡模型和分類網絡模型，通過生成式對抗網絡模型的生成器輸出第一視頻幀與重建視頻幀的特征向量相似度比對結果，通過分類網絡模型輸出對應的分類結果。最終基于相似度比對結果和分類結果綜合判斷待檢測監控視頻是否異常。采用上述技術手段，基于生成式對抗網絡模型和分類網絡模型的輸出結果進行監控視頻的綜合判斷，以此來提升監控視頻異常檢測的準確率，實現監控視頻的分類，降低生成式對抗網絡的訓練數據集構建難度。

技術領域

本申請實施例涉及監控視頻處理技術領域，尤其涉及一種監控視頻異常檢測方法及裝置。

背景技術

目前，隨著監控技術的發展進步，在生活中的很多場景中，都會使用到監控攝像頭對應監控區域采集監控視頻，基于監控視頻可以了解監控區域的相關情況，實現較好的監控效果。而為了實現較好的監控效果，需要保障監控視頻的良好質量，避免監控視頻異常。通常，監控視頻圖像清晰度異常(圖像模糊)色偏、雪花(噪點)、畫面出現條紋、遮擋等情況，都會影響監控視頻的質量，即出現監控視頻異常。隨著深度學習的快速發展，為了檢測監控視頻異常，通常會采用一個神經網絡模型進行監控視頻圖像的異常檢測，以此來確定異常的監控視頻，保障監控視頻質量。

但是，在監控視頻異常檢測中，由于正常圖像樣本往往容易獲得，而異常視頻圖像樣本數量很少，難以獲取甚至多變、未知，難以得到較多數量的異常視頻圖像構建訓練樣本，其訓練得到的神經網絡模型難以達到預期的異常檢測效果，異常檢測準確率相對偏低。

發明內容

本申請實施例提供一種監控視頻異常檢測方法及裝置，能夠提升監控視頻異常檢測的準確率，解決監控視頻樣本不均衡的技術問題。

在第一方面，本申請實施例提供了一種監控視頻異常檢測方法，包括：

獲取待檢測監控視頻的第一視頻幀，將所述第一視頻幀輸入預先訓練的生成式對抗網絡模型和分類網絡模型；

通過所述生成式對抗網絡模型的生成器生成所述第一視頻幀的第一編碼向量，基于所述第一編碼向量重建視頻幀，得到第二視頻幀，并生成所述第二視頻幀的第二編碼向量，輸出第一編碼向量和第二編碼向量的相似度比對結果；通過所述分類網絡模型輸出對應的分類結果；

基于所述相似度比對結果和所述分類結果綜合判斷所述待檢測監控視頻是否異常。

進一步的，所述生成式對抗網絡模型的訓練流程包括：

以各個監控視頻的指定視頻幀作為訓練樣本，構建第一訓練數據集；

搭建生成器，將所述第一訓練數據集的所述訓練樣本轉換成第一樣本向量，基于所述第一樣本向量重建視頻幀，得到對應的重建樣本，并將所述重建樣本轉換成第二樣本向量，基于所述訓練樣本、所述重建樣本、所述第一樣本向量和所述第二樣本向量計算第一損失函數；

搭建判別器，基于所述訓練樣本和所述重建樣本計算第二損失函數；

基于第一損失函數訓練所述生成器，基于所述第二損失函數訓練所述判別器。