[发明专利]视频检测方法、装置、终端设备及可读存储介质

说明书

本申请适用于计算机视觉技术领域，提供了一种视频检测方法、装置、终端设备及可读存储介质，该方法包括：获取待测视频，待测视频包括N个视频帧。依次获取N个视频帧的预测帧，其中，第i+1个视频帧的预测帧是将第i个视频帧的误差图像，输入到已训练的预测网络模型处理得到的。若第N个视频帧与第N个视频帧的预测帧的差异度符合预设条件，则确定待测视频存在异常。由于计算预测帧时是根据前一帧的误差图像预测得到的，因此生成的预测帧考虑到了待测视频的时序影响，使得获取的第N个视频帧的预测帧更准确，进而在根据第N个视频帧的预测帧和第N个视频帧确认待测视频是否异常时，实现了降低误检的概率，提高检测准确度效果。

技术领域

本申请属于计算机视觉技术领域，尤其涉及一种视频检测方法、装置、终端设备及可读存储介质。

背景技术

视频异常检测能够检测视频中是否包含异常事件，视频中的异常事件指的是在特定场景下与正常行为不同的特别事件，异常事件可能会危害公共安全或影响社会秩序，引起严重的后果，因此，通过视频异常检测确定是否存在异常事件，对于维护社会秩序起着重要作用。

现有技术中，先将待检测视频的N帧整体输入至自动编码器中，由自动编码器对输入的N帧进行卷积操作，得到一个视频帧，最后根据视频帧确定待检测视频是否存在异常。

但是，由于现有技术中并未考虑时序对于异常事件检测时的影响，因此在检测异常事件时，容易出现误检，检测效果并不理想。

发明内容

本申请实施例提供了一种视频检测方法、装置、终端设备及可读存储介质，以改善在检测异常事件时，容易出现误检，导致检测效果不理想问题。

第一方面，本申请实施例提供了一种视频检测方法，包括：

获取待测视频，待测视频包括N个视频帧，其中，N为大于1的整数。

依次获取N个视频帧的预测帧。

其中，N个视频帧中第i+1个视频帧的预测帧的计算方式为：将第i个视频帧的误差图像，输入到已训练的预测网络模型进行处理，得到第i+1个视频帧的预测帧，第i个视频帧的误差图像是根据第i个视频帧和第i个视频帧的预测帧相减所得，1≤i≤N-1，i为整数。

计算第N个视频帧与第N个视频帧的预测帧的差异度。

若差异度符合预设条件，则确定待测视频存在异常。

在第一方面的一种可能的实现方式中，该视频检测方法的执行主体为具有图像处理能力的终端。示例性的，该终端可以是实体终端，如台式电脑、服务器、笔记本电脑、平板电脑等，也可是虚拟终端，如云端服务器、云计算等。应理解，以上执行主体仅为实例，并非限制必须是以上终端。

需要说明的是，第1个视频帧的预测帧是将预设误差图像输入到预测网络模型进行处理后得到的。

一些实施方式中，计算第N个视频帧与第N个视频帧的预测帧的差异度可以通过将第N个视频帧的预测帧与第N个视频帧相减并取模，得到差异度。

另一些实施方式中，计算第N个视频帧与第N个视频帧的预测帧的差异值还可以通过预设修复算法，对第N个视频帧的预测帧进行修复。然后将修复后的第N个视频帧的预测帧与第N个视频帧相减并取模，得到差异度。

可选地，若差异度符合预设条件，则确定待测视频存在异常，可以在差异度大于第一预设阈值时，确定待测视频存在异常。

可选地，若差异度符合预设条件，则确定待测视频存在异常，还可以先对差异度的倒数进行归一化，得到正常度分数。然后，在正常度分数小于第二预设阈值时，确定待测视频存在异常。

其中，预测网络模型为长短时记忆网络(Long Short-Term Memory，LSTM)模型或者为门控循环神经网络(Gated Recurrent Unit，GRU)模型。