[发明专利]异常检测方法、模型的训练方法、装置、设备及存储介质

权利要求书

1.一种异常检测方法，包括：

获取待检测视频，所述待检测视频中包括目标对象；

对所述待检测视频进行预处理，得到多个管道级别的第一检测实例和多个视频级别的第二检测实例，所述第一检测实例和所述第二检测实例均包括多个连续的图像帧，所述第一检测实例与所述第二检测实例中的图像帧一一对应，所述第一检测实例中的图像帧尺寸小于所述第二检测实例中的图像帧的尺寸；

将多个所述第一检测实例输入至异常检测模型的第一子模型，将多个所述第二检测实例输入至异常检测模型的第二子模型，得到所述待检测视频中所述目标对象存在异常的检测实例；

其中，所述第一子模型和所述第二子模型是基于不同的训练实例对初始模型进行训练得到的。

2.根据权利要求1所述的方法，其中，所述对所述待检测视频进行预处理，得到多个管道级别的第一检测实例和多个视频级别的第二检测实例，包括：

对所述待检测视频中的每一个图像帧进行目标检测，将所述待检测视频中所述目标对象对应的检测框的图像块作为第一检测包，将所述待检测视频中包括所述目标对象的全图图像块作为第二检测包；

其中，所述第一检测包包括多个所述第一检测实例，所述第二检测包包括多个所述第二检测实例。

3.根据权利要求1或2所述的方法，其中，将多个所述第一检测实例输入至异常检测模型的第一子模型，将多个所述第二检测实例输入至异常检测模型的第二子模型，得到所述待检测视频中所述目标对象存在异常的检测实例，包括：

将多个所述第一检测实例输入至所述异常检测模型的第一子模型，得到第一分值集合，所述第一分值集合中包括每一个所述第一检测实例对应的分值；

将多个所述第二检测实例输入至所述异常检测模型的第二子模型，得到第二分值集合，所述第二分值集合中包括每一个所述第二检测实例对应的分值；

根据所述第一分值集合和所述第二分值集合，确定所述待检测视频中所述目标对象存在异常的检测实例。

4.根据权利要求3所述的方法，其中，所述根据所述第一分值集合和所述第二分值集合，确定所述待检测视频中所述目标对象存在异常的检测实例，包括:

根据所述第一分值集合和所述第二分值集合，确定平均分值最高的检测实例；

将所述平均分值最高的检测实例作为所述待检测视频中所述目标对象存在异常的检测实例。

5.一种异常检测模型的训练方法，所述异常检测模型包括第一子模型和第二子模型，所述方法包括：

获取包括视频标签的视频样本，所述视频标签用于指示所述视频样本中目标对象是否存在异常；

对所述视频样本进行预处理，得到多个管道级别的第一训练实例和多个视频级别的第二训练实例，所述第一训练实例和所述第二训练实例均包括多个连续的图像帧，所述第一训练实例中的所有图像帧中包括所述目标对象，所述第二训练实例中的部分图像帧中包括所述目标对象；

根据多个所述第一训练实例输入至原始的第一子模型得到的第一分值集合，确定第一损失函数；根据多个所述第二训练实例输入至原始的第二子模型得到的第二分值集合，确定第二损失函数；根据所述第一损失函数和所述第二损失函数，确定所述异常检测模型的总损失函数；

在所述总损失函数收敛时，将当前训练的第一子模型和当前训练的第二子模型组合，得到所述异常检测模型。

6.根据权利要求5所述的方法，其中，所述对所述视频样本进行预处理，得到多个管道级别的第一训练实例，包括：

对所述视频样本中的每一个图像帧进行目标检测，将所述视频样本中所述目标对象对应的检测框的图像块作为第一训练包，所述第一训练包包括多个所述第一训练实例。

7.根据权利要求5所述的方法，其中，所述对所述视频样本进行预处理，得到多个视频级别的第二训练实例，包括：

对所述视频样本按照预设长度均匀切分，得到多个等长度的视频级别的第二训练实例。