一种基于弱监督学习的视频异常事件检测系统及其方法

发明专利有效专利

申请号：
CN201811345314.X
IPC分类号：G06K9/00;G06K9/62;G06N3/04
申请日期：
2018-11-13
申请人：
深圳龙岗智能视听研究院

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种基于弱监督学习的视频异常事件检测系统及其方法
申请号	CN201811345314.X	申请日期	2018-11-13
法律状态	实质审查	申报国家	暂无
公开/公告日	2019-03-22	公开/公告号	CN109508671A
优先权	暂无	优先权号	暂无
主分类号	G06K9/00 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06K 数据识别；数据表示；记录载体；记录载体的处理（印刷本身入B41J） G06K9/00 用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置（用于图表阅读或者将诸如力或现状态的机械参量的图形转换为电信号的方法或装置入G06K 11/00；语音识别入G10L 15/00）〔1，7〕	IPC分类号	G;0;6;K;9;/;0;0;;;G;0;6;K;9;/;6;2;;;G;0;6;N;3;/;0;4查看分类表>
申请人	深圳龙岗智能视听研究院	申请人地址	广东省深圳市龙岗区龙城街道天安数码城2栋A座601B 变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	深圳龙岗智能视听研究院	当前权利人	深圳龙岗智能视听研究院
发明人	安欣赏;李楠楠;张世雄;张子尧;李革;张伟民
代理机构	北京京万通知识产权代理有限公司	代理人	万学堂;魏振华

摘要

本发明公布了一种基于弱监督学习的视频异常事件检测系统及其方法，该方法基于深度学习框架，把弱监督视频异常事件检测问题表述成一个多实例学习模型；对于一个视频序列，将其划分为多个行为实例，对每个行为实例采用深度网络模型提取多层次外形‑运动联合表述特征，同时构建正常/异常行为分类器对行为实例进行打分，从而实现给定视频中异常事件检测任务。本发明的方法，只需要弱标注的样本即可进行模型构建，从而节省了大量的人力劳动和时间成本，对于日常生活中常见的异常事件有较高的检测精度。在目前公布的测试数据集上，取得了领先的检测水平。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供