[发明专利]视频异常检测、模型训练方法、设备、模型及存储介质

权利要求书

1.一种模型训练方法，其特征在于，包括：

将目标场景下的正常视频样本输入用于视频异常检测的检测模型；

利用所述检测模型，分别预测所述正常视频样本中至少一个样本视频帧的样本未来帧的视觉特征；并计算所述至少一个样本未来帧与其在所述正常视频样本中对应的样本视频帧之间的视觉特征误差；

以所述视觉特征误差在时域上的波动状态达到目标状态为第一约束条件，对所述检测模型进行训练，以供所述检测模型获得所述目标场景下的模型参数。

2.根据权利要求1所述的方法，其特征在于，所述目标状态为所述视觉特征误差在时域上的波动最小。

3.根据权利要求2所述的方法，其特征在于，所述以所述视觉特征误差在时域上的波动状态达到目标状态为第一约束条件，对所述检测模型进行训练，包括：

计算所述视觉特征误差在时域上的标准差，作为时域波动损失函数；

以所述时域波动损失函数收敛至最小作为所述第一约束条件，对所述检测模型进行训练。

4.根据权利要求1所述的方法，其特征在于，所述计算所述至少一个样本未来帧与其在所述正常视频样本中对应的样本视频帧之间的视觉特征误差，包括：

提取第一样本视频帧在第一空间位置的视觉特征；

获取所述第一样本视频帧对应的样本未来帧在所述第一空间位置上的视觉特征；

计算所述第一样本视频帧及其对应的样本未来帧在所述第一空间位置上的视觉特征误差；

其中，所述第一样本视频帧为所述至少一个样本视频帧中的任意一个，所述第一空间位置为所述正常样本视频帧包含的至少一个空间位置中的任意一个。

5.根据权利要求4所述的方法，其特征在于，所述以所述视觉特征误差在时域上的波动状态达到目标状态为第一约束条件，包括：

以所述至少一个样本视频帧在所述至少一个空间位置上对应的视觉特征误差的波动状态达到所述目标状态为所述第一约束条件。

6.根据权利要求1所述的方法，其特征在于，还包括：

以所述至少一个样本视频帧对应的视频特征误差达到第一预设要求为第二约束条件，对所述检测模型进行训练。

7.根据权利要求6所述的方法，其特征在于，所述以所述至少一个样本视频帧对应的视频特征误差达到第一预设要求为第二约束条件，对所述检测模型进行训练，包括：

以所述至少一个样本视频帧对应的视频特征误差作为特征预测损失函数；

以所述特征预测损失函数收敛至最小作为所述第二约束条件，对所述检测模型进行训练。

8.根据权利要求1所述的方法，其特征在于，还包括：

计算所述至少一个样本视频帧与其对应的样本未来帧之间的像素误差；

以所述至少一个样本视频帧各自对应的像素误差达到第二预设要求为第三约束条件，对所述检测模型进行训练。

9.根据权利要求8所述的方法，其特征在于，所述以所述至少一个样本视频帧各自对应的像素误差达到第二预设要求为第三约束条件，对所述检测模型进行训练，包括：

以所述至少一个样本视频帧各自对应的像素误差作为像素预测损失函数；

以所述像素预测损失函数收敛至最小作为所述第三个约束条件，对所述检测模型进行训练。

10.根据权利要求1所述的方法，其特征在于，所述对所述检测模型进行训练之后，还包括：

将所述目标场景下的待检测视频输入训练后的检测模型；

利用所述训练后的检测模型，分别预测所述待检测视频中至少一个视频帧的未来帧的视觉特征；计算所述至少一个未来帧与其对应的视频帧之间的视觉特征误差；

若所述视觉特征误差在时域上的波动状态存在不满足所述目标状态的异常状态，则确定所述待检测视频存在异常。