[发明专利]一种基于新型记忆网络的视频异常检测方法

权利要求书

1.一种基于新型记忆网络的视频异常检测方法，其特征在于，按如下步骤S1-步骤S6，获得视频异常帧检测模型，然后应用视频异常帧检测模型，完成视频样本帧正常或异常检测；

S1.获得以按时间顺序排列的视频样本帧，以每一帧视频样本帧为起点，按时序选择k帧视频样本帧构建视频样本帧组，并获取预定义的表示视频样本帧组正常状态或异常状态的标签；

S2.基于卷积神经网络，以视频样本帧为输入，以与视频样本帧所对应的特征图为输出，构建初步特征提取网络；

S3.基于初步特征提取网络实时输出特征图的模式，以初步特征提取网络实时输出的特征图为起点、向历史时间方向的k帧特征图所构成的特征图组为输入，以该特征图组所对应视频样本帧组的标签为输出，基于三层全连接层的神经网络，构建深度特征提取分类网络，其中k大于1；

S4.基于初步特征提取网络、深度特征提取分类网络构建视频异常帧检测待训练模型，同时基于各视频样本帧的参与训练，以初步特征提取网络至深度特征提取分类网络的应用，通过引入交叉熵损失，构建分类损失模型；

S5.基于视频样本帧所构建的视频样本帧组，以及各视频样本帧组分别所对应的标签，以视频样本帧为输入，以视频样本帧组分别所对应的标签为输出，结合分类损失模型，针对视频异常帧检测待训练模型进行训练，获得视频异常帧检测模型；

S6.针对每个视频样本帧组中的每一帧视频样本帧，构建判定视频样本帧组中每一帧视频样本帧正常或异常的异常分数，将异常分数大于预设值的视频样本帧判定为异常视频帧，否则为正常视频帧。

2.如权利要求1所述的基于新型记忆网络的视频异常检测方法，其特征在于，所述初步特征提取网络为U-Net编码器。

3.如权利要求1所述的基于新型记忆网络的视频异常检测方法，其特征在于，所述步骤S3中，当初步特征提取网络输出的特征图帧数小于预设帧数k时，将初步特征提取网络实时输出的特征图复制k帧构建特征图组，以该k帧特征图组作为深度特征提取分类网络的输入。

4.如权利要求1所述的基于新型记忆网络的视频异常检测方法，其特征在于，所述步骤S3中，当初步特征提取网络输出的特征图帧数小于预设帧数k时，将初步特征提取网络已输出的n帧特征图，以及将初步特征提取网络实时输出的特征图复制k-n帧构建特征图组，以该k帧特征图组作为深度特征提取分类网络的输入。

5.如权利要求1所述的基于新型记忆网络的视频异常检测方法，其特征在于，所述步骤S3中，当初步特征提取网络输出的特征图帧数小于预设帧数k时，等待初步特征提取网络输出的特征图帧数为k，以该k帧特征图构建特征图组，将其作为深度特征提取分类网络的输入。