[发明专利]基于主动被动高斯在线学习的异常检测方法有效
| 申请号： | 201711130646.1 | 申请日： | 2017-11-15 |
| 公开（公告）号： | CN107832716B | 公开（公告）日： | 2020-05-12 |
| 发明（设计）人： | 洪哲然;刘斌;俞能海 | 申请（专利权）人： | 中国科学技术大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62 |
| 代理公司： | 北京凯特来知识产权代理有限公司 11260 | 代理人： | 郑立明;郑哲 |
| 地址： | 230026 安*** | 国省代码： | 安徽;34 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于主动被动高斯在线学习的异常检测方法，包括：将输入的正常的连续视频帧进行预处理使目标形态上融入运动的信息，获得处理后的融合图像；利用深度神经网络提取融合图像的特征，获得一系列的特征向量；利用特征向量并结合基于主动被动规则约束的在线学习方法训练高斯分布，作为正常参考模型；在异常检测阶段，采用同样的方式对输入的连续视频帧进行预处理与特征提取操作，并求取各个特征向量在训练后的高斯分布上的分布距离，根据分布距离来判断相应特征向量是否异常。该方法可以在保证检测精度的前提下，降低训练时间并减少资源消耗。 | ||
| 搜索关键词： | 基于 主动 被动 在线 学习 异常 检测 方法 | ||
【主权项】：
一种基于主动被动高斯在线学习的异常检测方法，其特征在于，包括：将输入的正常的连续视频帧进行预处理使目标形态上融入运动的信息，获得处理后的融合图像；利用深度神经网络提取融合图像的特征，获得一系列的特征向量；利用特征向量并结合基于主动被动规则约束的在线学习方法训练高斯分布，作为正常参考模型；在异常检测阶段，采用同样的方式对输入的连续视频帧进行预处理与特征提取操作，并求取各个特征向量在训练后的高斯分布上的分布距离，根据分布距离来判断相应特征向量是否异常。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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中国科学技术大学，未经中国科学技术大学许可，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/patent/201711130646.1/，转载请声明来源钻瓜专利网。
- 上一篇：一种自适应近邻的人脸识别算法
- 下一篇：路由器安全防护平台
