申请/专利权人:西安电子科技大学广州研究院
申请日:2021-09-28
公开(公告)日:2024-03-29
公开(公告)号:CN113947612B
主分类号:G06T7/136
分类号:G06T7/136;G06T7/194;G06T3/4038;G06T3/4046;G06N3/0464;G06N3/0475;G06N3/084
优先权:
专利状态码:有效-授权
法律状态:2024.03.29#授权;2022.02.08#实质审查的生效;2022.01.18#公开
摘要:本发明提供了一种基于前景背景分离网络的视频异常检测方法,解决了在实际中大多数异常事件出现在前景中,现有技术没有区分前景和背景导致不能充分学习正常事件的模式,从而异常事件检测精度不足的问题。实现步骤为:1利用主成分分析PCA技术提取视频帧的背景图像和前景图像作为groundtruth;2基于卷积神经网络构建一个前景背景分离网络;3对前景背景分离网络进行迭代训练,得到一个能准确分离视频帧中正常事件的前景和背景,而无法准确分离异常事件的前景和背景的分离器,同时在这个过程中利用光流作为前景的边缘轮廓信息辅助任务执行;4根据分离结果与groundtruth的差异进行视频异常检测。
主权项:1.一种基于前景背景分离的视频异常检测方法,其特征在于,具体包括以下步骤:1构建一个前景背景分离网络;2搭建一个判别器网络;3将前景背景分离网络与判别器网络级联组成生成对抗网络;4初始化生成对抗网络;5生成训练数据集;选择正常的连续监控视频,将其进行奇异值分解,得到视频的背景,每一帧减去背景得到前景,计算光流,将原始帧、光流、真实前景、真实背景组成训练数据集;6对前景背景分离网络进行训练;将原始帧和光流分别输入到前景背景分离网络的图像特征分支和光流特征分支,然后由前景分离分支和背景生成分支分别得到前景估计图像和背景估计图像;根据视频帧对应的真实前景、真实背景与前景估计图像、背景估计图像之间的误差构建前景背景分离网络损失函数,计算前景背景分离网络损失值,基于反向传播算法和优化器对前景背景分离器网络进行训练;7对判别器网络进行训练;将前景分离分支得到的前景估计图像与其真实前景图像输入到判别器网络中,判别器网络输出对应的真伪概率;根据判别器网络输出的真伪概率构建的判别器损失函数,计算判别器网络的损失值;基于反向传播算法和优化器对判别器网络进行训练;8判断前景背景分离网络损失函数是否收敛,若是,则执行步骤9,否则,执行步骤6;9完成前景背景分离器的训练,得到并保存前景背景分离器的相关参数;10对视频进行检测;将视频中的原始帧与光流输入前景背景分离器,得到前景估计图像和背景估计图像,计算真实前景、真实背景与前景估计图像、背景估计图像之间的峰值信噪比,若峰值信噪比超过设定阈值,判断该帧图像中发生异常,否则为正常图像。
全文数据:
权利要求:
百度查询: 西安电子科技大学广州研究院 基于前景背景分离的视频异常检测方法
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。