[发明专利]一种监控视频中的真实异常检测方法

权利要求书

1.一种监控视频中的真实异常检测方法，其特征在于，所述方法包括步骤：

S1：将监控视频分成多个片段，根据所述多个片段获取包含第一标签的正包和包含第二标签的负包，所述正包包含至少一个正样本，所述负包包含至少一个负样本；

S2：将包含正包和负包的训练集导入C3D网络中，并对每个分割片段进行时空特征提取，经过神经网络后对每一个分割片段进行打分，分别返回正包中得分最高的异常片段和负包中得分最高的异常片段，负包中得分最高的异常片段作为优化的分界面，优化后即可以在若监督中学习一个健壮的分类器并根据优化函数进行优化；

S3：根据S2所得到的优化器函数进行损失函数的定义和计算，损失函数定义为成异常事件与正常事件异常值的排序；

S4：通过排名损失函数反向传播可计算出相应的阈值；

S5：通过最小化相邻视频片段的分数差来加强时间上相邻视频片段的异常分数之间的时间平滑性；

S6：通过多次迭代，获得目标函数，

其中，ω代表模型权重，β_a，β_n分别是指正包和负包，函数是指排序损失函数。

2.根据权利要求1所述的监控视频中的真实异常检测方法，其特征在于，所述优化函数的具体表达为：

其中，为第j个训练样本的包级标签，β_j是第j个实例，参数i是从实例级标签中取值，z为包的总数，j是第j个包,φ(x_i)为视频片段的特征表示，b为偏置，k为训练示例总数，w为待学习的分类器，表示第j个训练样本第包级标签，w表示分类器，x_i第i个视频片段。

3.根据权利要求1所述的监控视频中的真实异常检测方法，其特征在于，所述排名损失函数的具体表达为：

其中，B_a，B_n分别是正包和负包，l是排名损失函数，和分别是指正常视频和异常视频的第i,q个实例，f是指预测分数函数，max将测试每个视频包的实例。