[发明专利]一种基于多尺度视频异常检测方法

权利要求书

1.一种基于多尺度视频异常检测方法，其特征在于，所述方法包含：

步骤S1：获取视频样本数据，对视频样本作多尺度变化；具体的：将视频样本网格化，确定网格化视频样本数据之间的网格差异，基于网格差异追踪视频样本数据的网格变化情况，根据网格的变化情况做尺度变化，选择目标尺度并基于目标尺度对视频样本作变化；

步骤S2：构建异常检测模型，进行模型训练；具体的：构建异常检测模型，采用视频样本数据I₁～I_t，I_t+1进行模型训练；

所述构建异常检测模型，为构建基于神经网络模型的异常检测模型，具体包括如下步骤：

步骤SA1：对视频样本数据通过卷积神经网络的映射层进行输入映射，基于视频样本帧生成输入矩阵，其中每个样本帧对应一个输入矩阵；

步骤SA2：设置窗口长度为W的卷积核，对W个输入矩阵做连续的卷积操作；

对W个输入矩阵作逐行卷积操作，具体的：将输入矩阵中的一行元素作为一个输入向量，对输入向量作卷积操作；Ker_k=f(W * V_k:k+w+b)；其中Ker_k为第k次卷积的卷积核，f()表示激活函数，b为卷积参数，W是窗口宽度，V_k:k+w为从第k个输入向量开始到第k+w-1个输入向量；

步骤SA3：对卷积结果作池化操作；

所述构建异常检测模型，还包括权重文件选择步骤，具体为：

步骤SB1:从权重文件集合中选择一权重文件作为模型的当前权重文件，进行模型的训练；训练次数为第一给定次数；

步骤SB2：采用异常检测模型进行第一测试并获取误差值；若误差值在第一合理范围，则进入步骤SB3，否则，进入步骤SB1；

步骤SB3：用当前权重文件进行模型的继续训练，训练次数为第二给定次数；

步骤SB4: 采用模型进行第二测试并获取误差值；若误差值在第二合理范围，则将当前权重文件作为所选择的权重文件；否则，进入步骤SB1；

步骤S3：进行多尺度异常检测模型的测试；用异常检测模型预测得到下一帧预测值I^＇_t+1,计算下一帧预测值和下一帧真实值I_t+1之间的误差值；基于所述误差值得到测试得分，根据测试得分确定是否存在异常；

步骤S3具体包括如下步骤：

步骤S31：进行测试初始化；初始化测试尺度Scale为1；其中：测试尺度为尺度划分的层次或次数；

步骤S32：按照测试尺度进对视频样本作尺度划分得到一个或多个经过尺度划分的视频样本序列；将视频样本序列分别依次输入异常检测模型，得到和所述一个或多个视频样本序列对应的预测输出；计算一个或多个预测输出的误差值，获取和误差值对应的得分SC；

；

其中：ci为第ci个网格；VN^＇_ci是第ci个网格的预测值，VN_ci是第ci个网格的真实值，d(VN^＇_ci,VN_ci)是VN^＇_ci和VN_ci之间的欧氏距离，Scale是测试尺度，d_max为d(VN^＇_ci,VN_ci)中的最大值，d_min为d(VN^＇_ci,VN_ci)中的最小值；

步骤S33：判断划分终止条件是否满足，如果是，则进入步骤S34，否则，则对测试尺度做增量操作，并进入步骤S32；

步骤S34：基于得分得到总得分，如果总得分超过总得分阈值，或者存在F一个得分超过的得分阈值时，确定测试视频样本存在异常。

2.根据权利要求1所述的基于多尺度视频异常检测方法，其特征在于，所述获取和误差值对应的得分，具体为：根据误差值和得分的对照表查找和所述误差值对应的得分。

3.根据权利要求2所述的基于多尺度视频异常检测方法，其特征在于，划分终止条件为测试尺度等于预设值和/或存在一个得分超过的得分阈值。