[发明专利]基于重建误差的非特定异常事件检测及定位方法、计算机

权利要求书

1.一种基于重建误差的非特定异常事件检测及定位方法，其特征在于，所述基于重建误差的非特定异常事件检测及定位方法将VAE/GAN嵌入two-stream- architecture中；将视频原始数据输入到一个VAE/GAN中实现空间数据生成，将对应的光流场输入到另一个VAE/GAN中实现时间数据生成。

2.如权利要求1所述的基于重建误差的非特定异常事件检测及定位方法，其特征在于，所述基于重建误差的非特定异常事件检测及定位方法包括：离线训练过程和离群值检测过程；经过离线训练之后，获得空间数据生成模型和时间数据生成模型。

3.如权利要求2所述的基于重建误差的非特定异常事件检测及定位方法，其特征在于，所述基于重建误差的非特定异常事件检测及定位方法的离线训练过程包括：

步骤一，将正常视频划分成互相不重合的大小为w*h*t的三维子块，其中w，h和t分别代表所述三维子块的宽度、长度以及帧数；上述三维子块的大小代表了异常事件能够被检测出来的最小粒度；

步骤二，将正常的视频中三维子块拼成大小为的W*H*t平面小块，其中平面小块的宽度W是三维小块宽度w的整数倍，同样，平面小块的高度H是三维小块高度h的整数倍，以小块为输入，训练two-stream-VAE/GAN模型，two-stream-VAE/GAN模型的定义是这样一种模型：第一个stream以平面小块为输入，采用VAE/GAN方法，经训练输出与输入大小相同内容相像的图片；第二个stream以平面小块对应的密集光流场为输入，同样采用VAE/GAN方法，经训练输出与输入大小相同内容相像的图片，计算输入图片和输出图片每个平面小块之间的距离，即重建误差，判断那些两个stream的重建误差之和超过一定阈值的平面小块为异常。

4.如权利要求2所述的基于重建误差的非特定异常事件检测及定位方法，其特征在于，所述基于重建误差的非特定异常事件检测及定位方法的离群值检测过程包括：

步骤一，将需要检测视频以与离线训练过程同样的方式划分成互相不重合的大小为w*h*t的三维子块，并以与离线训练过程中同样的方式组成平面小块；

步骤二，将平面小块以及平面小块的密集光流场输入到two-stream-VAE/GAN的模型中，计算two-stream-VAE/GAN的重建误差，并以重建误差为指导判断所述平面小块是否为异常。

5.一种应用权利要求1～4任意一项所述基于重建误差的非特定异常事件检测及定位方法的计算机。