[发明专利]三维卷积神经网络训练方法、视频异常事件检测方法及装置

权利要求书

1.一种三维卷积神经网络的训练方法，其特征在于，包括：

三维卷积神经网络中按照正向传递过程依次包含第一组至第N组卷积-采样层，每组卷积-采样层中按照正向传递过程包含一个卷积层和一个采样层，第N-1组卷积-采样层中的采样层与第N组卷积-采样层中的卷积层全连接，N>1；

所述三维卷积神经网络的训练方法包括：

执行正向传递过程，根据所述正向传递过程的输出结果，在所述三维卷积神经网络中执行反向传递过程，以修正所述三维卷积神经网络的模型参数；

所述正向传递过程包括：三维卷积神经网络接收待检测视频序列的特征块，针对所述特征块执行异常检测过程，根据待检测视频序列的每个特征块的异常事件检测结果确定所述待检测视频序列是否发生异常事件；

其中，所述三维卷积神经网络的模型包括多个通道；第N组卷积-采样层中的卷积层上的每个卷积核对第N-1组卷积-采样层中的采样层的所有通道的所有特征图的数据进行卷积，并将通过卷积所得到的特征图信息输出给第N组卷积-采样层中的采样层进行采样处理；

其中，所述三维卷积神经网络接收待检测视频序列的特征块之前，还包括：

对待检测的第i帧至第i+l帧的视频帧序列进行特征提取，并将所述第i帧至第i+l帧的视频帧序列切割为R×C×l的多个特征块；其中，i、l、R、C均为大于1的整数，R和C分别表示特征块的长度和宽度；

其中，所述异常事件检测结果中包括异常值概率和正常值概率；

所述根据待检测视频序列的每个特征块的异常事件检测结果确定所述待检测视频序列是否发生异常事件，包括：若所述待检测视频序列的特征块中至少有一个特征块满足以下条件，则确定所述待检测视频序列发生异常事件：异常值概率减去正常值概率得到的差值大于设定阈值。

2.如权利要求1所述的三维卷积神经网络的训练方法，其特征在于，所述异常事件检测结果中包括异常值概率和正常值概率；

所述根据待检测视频序列的每个特征块的异常事件检测结果确定所述待检测视频序列是否发生异常事件，包括：

将所有包含第k帧的视频帧序列中的所有特征块的异常检测结果中的异常值概率进行加权相加，将包含第k帧的所有视频帧序列中的所有特征块的异常检测结果中的正常值概率进行加权相加；

其中，所述所有包含第k帧的视频帧序列是通过具有l帧时间长度的滑动窗口每次移动单帧得到的；

针对所有包含第k帧的视频帧序列中的所有特征块，若加权相加之后的异常值概率减去加权相加之后的正常值概率得到的差值大于设定阈值，则确定第k帧发生异常事件；

其中，k为正整数。

3.如权利要求2所述的三维卷积神经网络的训练方法，其特征在于，所述将所有包含第k帧的视频帧序列中的所有特征块的异常检测结果中的异常值概率进行加权相加，将包含第k帧的所有视频帧序列中的所有特征块的异常检测结果中的正常值概率进行加权相加之前，还包括：

针对所有包含第k帧的视频帧序列中的所有特征块，将第一特征块的的异常检测结果中的异常值概率和正常值概率的权值设置为最大值；其中，所述第一特征块满足以下条件：

或

其中，表示向下取整，表示向上取整。