[发明专利]序列异常检测方法、装置、电子设备和可读介质

权利要求书

1.一种序列异常检测方法，其特征在于，包括：

将待测序列转换为图像，得到待测序列图像；

基于卷积神经网络，获取所述待测序列图像的第一局部区域；

基于选择性搜索算法，获取所述待测序列图像的第二局部区域；

将所述第一局部区域和第二局部区域输入至预先训练好的分类网络VGGnet，得到所述待测序列的分类结果，其中，所述分类结果为正常序列或异常序列。

2.根据权利要求1所述的序列异常检测方法，其特征在于，在所述将待测序列转换为图像之前，所述方法还包括：对所述待测序列进行滑动平均值滤波处理，具体包括：

将连续的N个采样值作为一个队列，队列长度固定为N；

每采集到一个新的数据时，将采集到的新数据放到队尾，并将队首的数据丢弃；

将队列中的N个数据进行算术平均运算，得到所述待测序列。

3.根据权利要求1所述的序列异常检测方法，其特征在于，所述待测序列为周期性时间序列。

4.根据权利要求1所述的序列异常检测方法，其特征在于，所述基于卷积神经网络，获取所述待测序列图像的第一局部区域，包括：

利用卷积神经网络中特征映射生成所述待测序列图像的得分图，其中，所述得分图由第一卷积层、第二卷积层和空间softmax层组成；

所述第一卷积层利用64个3×3的内核和所述第二卷积层利用1个3×3的内核，生成一个单通道的置信图；

所述空间softmax层作用于所述置信图，将置信得分转化为区域概率；

将区域概率超过预设区域概率的区域作为所述待测序列图像的第一局部区域，获取所述待测序列图像的第一局部区域。

5.根据权利要求1所述的序列异常检测方法，其特征在于，在所述将待测序列转换为图像之后，所述方法还包括：

基于图像算法，生成所述待测序列转换成为的图像的图像金字塔；

在所述图像金子塔中，选取分辨率最高的图像作为所述待测序列图像。

6.根据权利要求1所述的序列异常检测方法，其特征在于，所述基于选择性搜索算法，获取所述待测序列图像的第二局部区域，包括：

对所述待测序列图像进行图像切分，得到所述待测序列图像的区域集合；

计算所述区域集合中相邻区域之间的相似度，合并相邻区域之间相似度最高的两个区域；

重复执行上个步骤，直到将图像合并成所述待测序列图像的完整图像后停止；

从合并过程中产生的图像里，获取所述待测序列图像的第二局部区域。

7.根据权利要求1所述的序列异常检测方法，其特征在于，所述方法还包括：

获取随机序列长度的正常序列和异常序列；

将所述随机序列长度的正常序列和异常序列转换为图像，得到样本训练集；

将所述样本训练集作为输入，所述样本训练集中图像的分类结果作为输出，对分类网络VGGnet进行训练，得到所述分类网络VGGnet。

8.一种序列异常检测装置，其特征在于，包括：

序列转换图像模块，用于将经过预处理后的待测序列转换为图像，得到待测序列图像；

第一区域获取模块，用于基于卷积神经网络，获取所述待测序列图像的第一局部区域；

第二区域获取模块，用于基于选择性搜索算法，获取所述待测序列图像的第二局部区域；和

分类结果得到模块，用于将所述第一局部区域和第二局部区域输入至预先训练好的分类网络VGGnet，得到所述待测序列的分类结果，其中，所述分类结果为正常序列或异常序列。

9.一种电子设备，其特征在于，包括：

处理器；以及

存储器，用于存储所述处理器的可执行指令；

其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1～7中任意一项所述序列异常检测方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1～7中任意一项所述的序列异常检测方法。