[发明专利]基于重构和预测的异常检测方法

权利要求书

1.基于重构和预测的异常检测方法，其特征在于，包括以下步骤：

S1：获取待检测的测试视频序列；

S2：将所述测试视频序列输入经过预先训练的异常检测模型中；所述异常检测模型首先分别提取测试视频序列的空间外观特征和时间运动特征，然后对所述空间外观特征和所述时间运动特征进行融合得到对应的时空特征，再基于所述时空特征获取对应的重构帧，最后根据所述重构帧计算对应的异常分数；

所述异常检测模型包括用于提取空间外观特征的重构编码器，用于提取时间运动特征的预测编码器，与所述重构编码器和所述预测编码器的输出连接且用于融合得到时空特征的融合模块，以及与所述融合模块的输出连接且用于获取重构帧的译码器；

训练所述异常检测模型时，基于所述异常检测模型上一轮的重构误差对当前轮次输入的视频序列进行反向擦除，以去除视频序列中重构误差小于预设阈值的像素，得到对应的擦除帧；

I_t表示视频序列中的第t帧，I_t-Δ代表I_t之前的第Δ帧；

所述反向擦除是指：在除第一轮之外的每轮训练迭代之后，首先计算原始帧I_t和重构帧之间的像素级误差；然后根据所述像素级误差的值是否大于预设阈值，来将其掩码中对应的像素值设置为1或0以获得相应的掩码；最后在当前轮次训练之前，从I_t-Δ到I_t的原始帧与掩码逐像素相乘，以得到所述异常检测模型当前轮次的擦除帧，表示为I′_t-Δ到I′_t；

S3：将所述测试视频序列的异常分数作为其异常检测结果。

2.如权利要求1所述的基于重构和预测的异常检测方法，其特征在于：步骤S2中，将所述测试视频序列的当前帧输入到所述重构编码器，以提取对应的空间外观特征；将所述测试视频序列当前帧之前的若干帧输入到所述预测编码器，以提取对应的时间运动特征。

3.如权利要求1所述的基于重构和预测的异常检测方法，其特征在于：训练所述异常检测模型时，在所述译码器的输出连接一个深度SVDD模块；所述深度SVDD模块用于寻找体积最小的超球体来包含正常事件的重构帧的全部或大部分高级特征，并利用重构帧高层特征的紧凑约束使得重构的正常帧相似，以增加正常帧与异常帧的重构距离。

4.如权利要求3所述的基于重构和预测的异常检测方法，其特征在于：所述深度SVDD模块包括与所述译码器的输出连接的映射编码器，以及与所述映射编码器的输出连接的超球体；映射编码器首先将重构帧映射到低维潜在表示中，然后将低维表示拟合到具有最小体积的超球体中，以迫使所述异常检测模型学习提取正常事件的公共因子；

所述深度SVDD模块的目标函数定义为：

式中：c和R分别表示超球体的中心和半径，n表示帧数，表示由具有参数W的网络输出的重构帧的低维表示，argmax{·}表示取最大值的函数；超参数v∈(0,1]用于衡量超球体的体积和边界损失。

5.如权利要求3所述的基于重构和预测的异常检测方法，其特征在于：通过训练损失函数优化所述异常检测模型；

重构帧被约束在像素空间和所述深度SVDD模块的潜在空间中；

在像素空间中，基于强度损失和加权RGB损失优化所述异常检测模型；在潜在空间中，基于特征紧致损失优化所述异常检测模型。