[发明专利]一种基于开放数据过滤和域适应的视频异常检测方法

权利要求书

1.一种基于开放数据过滤和域适应的视频异常检测方法，其特征在于，包括如下步骤：

(1)提取数据特征：使用预训练的神经网络提取训练数据和测试数据的外观特征，并利用训练数据的特征训练可见数据分类器；

(2)开放数据过滤：使用开放数据过滤器对测试数据的特征进行分析，并将其分为可见数据和开放数据；

该过滤器首先通过k-means聚类方法将已知训练数据分为若干类，然后将测试数据与已知训练数据类中心的最小距离作为测试数据的开放概率：

其中表示第i个视频的第j帧，X_train表示整个训练视频，C_n表示训练数据的第n个类中心；

在获得测试视频所有帧的开放概率后，通过U-test方法确定最佳过滤比例：

其中P_nor(r)表示在过滤比例为r时，测试数据中可见数据的均值和训练数据中正常数据的均值之间的P值；P_abnor(r)表示在过滤比例为r时，测试数据中可见数据的均值和训练数据中异常数据的均值之间的P值；两个P值之和越大，代表过滤掉测试数据中开放数据之后得到的可见数据和训练数据之间的差异越小，从而可以得到最佳比例的可见数据和开放数据；

(3)开放数据域适应：使用联合分布适配方法(joint distribution adaptation,JDA)缩小开放数据和训练数据之间的分布差异，并获得开放数据和训练数据的新的特征表示：

X_{train_new}＝A^TX_s

X_{open_new}＝A^TX_t

其中A表示通过联合分布适配方法获得的最佳变换矩阵，X_s是源训练数据的特征表示，X_t是开放数据的特征表示；

然后用新的训练数据的特征表示训练开放数据分类器，并使用该分类器产生开放数据的异常分数：

其中g_n表示开放数据分类器，θ_n表示开放数据分类器的参数，是第i个视频第j帧的新的特征表示；

(4)异常得分：对于测试集中的可见数据，使用可见数据分类器获得其属于异常的概率，将该概率作为可见数据的异常得分；对于测试集中的开放数据，使用开放数据分类器获得其属于异常的概率，将该概率作为可见数据的异常得分。

2.如权利要求1所述的一种基于开放数据过滤和域适应的视频异常检测方法，其特征在于，所述预训练的神经网络为在ImageNet上训练好的vgg-f模型。

3.如权利要求1所述的一种基于开放数据过滤和域适应的视频异常检测方法，其特征在于，所述可见数据分类器和开放数据分类器均为基于focal loss的不平衡分类器。

4.如权利要求1所述的一种基于开放数据过滤和域适应的视频异常检测方法，其特征在于，所述开放数据过滤器基于k-means方法和U-test方法实现。

5.如权利要求1所述的一种基于开放数据过滤和域适应的视频异常检测方法，其特征在于，所述数据为视频的帧。