申请/专利权人：山东大学

申请日：2020-09-04

公开（公告）日：2020-12-01

公开（公告）号：CN112016500A

主分类号：G06K9/00(20060101)

分类号：G06K9/00(20060101);G06N3/04(20060101);G06N3/08(20060101)

优先权：

专利状态码：有效-授权

法律状态：2023.08.22#授权;2020.12.18#实质审查的生效;2020.12.01#公开

摘要：本公开提供了一种基于多尺度时间信息融合的群体异常行为识别方法及系统。所述方案包括获取只有正常样本的视频帧序列并提取相邻两帧之间的光流图，采用不同的采样率对同一视频片段进行采样得到不同的时间尺度下的视频序列，获取前述视频帧序列的跳帧视频帧序列并提取跳帧的光流图，得到不同时间尺度下的视频帧序列及光流图序列；利用正常帧与跳帧视频序列与光流图序列作为输入训练基于深度卷积网络；利用训练完成的深度卷积网络进行异常行为检测，检测网络根据得到的预测图像进行评定得到异常值得分，根据得分判断该视频帧是否为异常帧，完成对于视频帧的异常检测；本公开所述方案有效提升了群体异常行为识别的准确率。

主权项：1.基于多尺度时间信息融合的群体异常行为识别方法，其特征在于，包括：获取正常样本的视频帧序列，并计算相邻两帧间的光流图；采用不同的采样率对同一视频进行采样，获得不同时间尺度下的视频帧序列；从获得的不同时间尺度下的视频帧序列中提取跳帧视频帧序列，并提取相邻跳帧件的光流图；采用正常帧与跳帧的视频帧序列及光流图对深度卷积网络模型进行训练；利用训练好的模型判断视频帧是否为异常帧，实现群体异常行为的识别。

全文数据：

权利要求：

百度查询： 山东大学 基于多尺度时间信息融合的群体异常行为识别方法及系统

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD