[发明专利]一种基于自注意力机制的生成对抗网络视频异常检测方法在审
| 申请号： | 202110613253.6 | 申请日： | 2021-06-02 |
| 公开（公告）号： | CN113313037A | 公开（公告）日： | 2021-08-27 |
| 发明（设计）人： | 石磊;薛然;刘成明;高宇飞;李英豪 | 申请（专利权）人： | 郑州大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/08 |
| 代理公司： | 北京集智东方知识产权代理有限公司 11578 | 代理人： | 申玲红 |
| 地址： | 450002 河南省郑*** | 国省代码： | 河南;41 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 基于 注意力 机制 生成 对抗 网络 视频 异常 检测 方法 | ||
1.一种基于自注意力机制的生成对抗网络视频异常检测方法，其特征在于：包括如下步骤：
步骤S1：将含有连续t-1帧的正常作视频帧为训练数据，按时间顺序堆叠起来输入生成器网络AttentionU-net用来预测其下一帧；
步骤S2：将生成的预测帧与实际帧共同输入liteFlownet光流网络中，保证视频帧之间的运动连续性；
步骤S3：加入强度损失和梯度损失；
步骤S4：对生成网络和训练网络进行训练；
步骤S5：将含有异常样本的测试数据以及生成的预测帧输入该模型的马尔可夫判别器中，得出测试数据中的正异常行为的分数，将正异常分数结果进行可视化。
2.如权利要求1所述的一种基于自注意力机制的生成对抗网络视频异常检测方法，其特征在于：所述生成网络、数据格式、引入自注意力机制对视频数据帧进行空间建模，获得正常事件的空间分布，具体包括如下步骤：
步骤S11：对视频数据进行预处理，将视频流分解成具有连续时间序列的相同规格的视频帧，并将数据集分成训练数据集和测试数据集两部分；
步骤S12：在U-net中建立基于网格特征图分配权重的自我学习软注意力门控机制来计算注意力系数α从而进行权重分配。
3.如权利要求1所述的一种基于自注意力机制的生成对抗网络视频异常检测方法，其特征在于：引入liteFlownet网络对运动信息进行建模。
4.如权利要求3所述的一种基于自注意力机制的生成对抗网络视频异常检测方法，其特征在于：利用liteFlownet光流网络模型来捕获在异常检测中视频片段的运动信息，将生成的预测帧与实际帧共同输入liteFlownet光流网络中。
5.如权利要求1所述的一种基于自注意力机制的生成对抗网络视频异常检测方法，其特征在于：在生成器和判别器中引入对抗学习机制。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于郑州大学，未经郑州大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202110613253.6/1.html，转载请声明来源钻瓜专利网。
- 上一篇：一种户外多功能遮阳伞
- 下一篇：轨道交通区间变电所及供电区间稳压控制方法
