[发明专利]一种基于双生成器与通道注意力机制的视频异常检测方法

权利要求书

1.一种基于双生成器与通道注意力机制的视频异常检测方法，其特征在于，包括如下步骤：

S1：拆分视频集，得到多个帧级别的序列，并且划分为正常训练视频帧和测试视频帧；

S2：利用正常训练视频帧和鉴别器对噪声生成器进行训练，通过训练好的噪声生成器生成伪异常帧；

S3：利用伪异常帧和正常训练视频帧训练重构生成器，得到训练好的重构生成器；

S4：将测试视频帧输入到训练好的重构生成器中，得到重构帧，计算重构帧与真实帧的重构误差，根据重构误差对视频帧进行异常分类。

2.根据权利要求1所述的一种基于双生成器与通道注意力机制的视频异常检测方法，其特征在于，所述步骤S2中噪声生成器包括噪声模块、生成器和二阶通道注意力模块，噪声生成器共训练两次，第一次对不含噪声模块的生成器进行训练，第二次对加入噪声模块的噪声生成器进行训练，训练方法为：生成器通过与鉴别器之间相互对抗进行训练，使生成帧无法被鉴别器区分为异常，在得到训练好的生成器后，固定生成器的参数，并在生成器中加入噪声模块，再次与鉴别器进行生成对抗，更新噪声模块的参数，得到噪声生成器。

3.根据权利要求2所述的一种基于双生成器与通道注意力机制的视频异常检测方法，其特征在于，所述步骤S2中生成器采用自编码器网络，由编码器以及解码器构成，对于生成器的训练方法为：

当正常训练视频帧输入生成器中，首先进入由池化层、卷积层以及激活函数重复构成的编码器部分，经过多次尺寸减半、通道翻倍后，得到潜在特征；

其次将潜在特征输入二阶通道注意力模块中，得到全局特征与局部特征关联紧密的特征；

最后将得到的特征输入解码器，重新构建潜在特征，输出得到与输入帧相同尺寸的图像，从而生成高质量的重构帧；

将得到的重构帧与真实帧一起输入鉴别器中，让鉴别器与生成器产生对抗，使得生成器生成的重构帧被鉴别器判定为真实帧。

4.根据权利要求3所述的一种基于双生成器与通道注意力机制的视频异常检测方法，其特征在于，所述步骤S2中噪声模块由三层全连接结构的自编码器构成，包括噪声模块A和噪声模块B，通过噪声模块对噪声生成器的训练方法为：

将随机噪声输入噪声模块中，进行三次卷积、批标准化以及激活函数的操作，得到适用于生成伪视频帧的噪声；

在得到训练好的生成器后，将噪声模块加入生成器中，在编码器第一次卷积池化后以及解码器最后一次上采样前采用跳跃连接，并加入噪声模块A，在得到潜在特征后加入噪声模块B，将带有噪声的潜在特征进行重新构建得到伪异常帧；

将伪异常帧与真实帧共同输入鉴别器中，让鉴别器与生成器产生对抗，最大化两帧之间的距离，其中噪声模块A和噪声模块B的尺寸与相对应的特征尺寸相同。

5.根据权利要求1所述的一种基于双生成器与通道注意力机制的视频异常检测方法，其特征在于，所述步骤S3中重构生成器的训练方法为：在重构伪异常帧和重构正常训练视频帧中分别加入最大约束函数和最小约束函数，使重构伪异常帧、重构真实帧与真实帧产生对抗，拉远重构伪异常帧与真实帧的距离，拉近重构真实帧与真实帧的距离。

6.根据权利要求5所述的一种基于双生成器与通道注意力机制的视频异常检测方法，其特征在于，所述步骤S3中重构生成器由自编码器与二阶通道注意力模块共同组成，其中自编码器由编码器和解码器两部分组成，采用U-net作为其网络结构，具体训练过程为：将伪异常帧与真实帧分别输入重构生成器中，首先进入编码器模块，通过多次卷积池化处理后得到每层不同尺寸不同通道数的潜在特征；其次将每层潜在特征输入二阶通道注意力模块中学习相互依赖、密切度更高的关联信息，得到信息关联度高的特征；将每层的特征经过跳跃连接与解码器上采样后得到的每层重构特征进行拼接，最终得到与输入帧尺寸相同的重构帧；在得到重构伪异常帧与重构真实帧后，在其与真实帧之间进行最大最小约束，与真实帧产生对抗，最大化重构伪异常帧与真实帧之间的距离，最小化重构真实帧与真实帧之间的距离。