[发明专利]一种基于弱监督学习的视频异常事件检测系统及其方法

摘要

本发明公布了一种基于弱监督学习的视频异常事件检测系统及其方法，该方法基于深度学习框架，把弱监督视频异常事件检测问题表述成一个多实例学习模型；对于一个视频序列，将其划分为多个行为实例，对每个行为实例采用深度网络模型提取多层次外形‑运动联合表述特征，同时构建正常/异常行为分类器对行为实例进行打分，从而实现给定视频中异常事件检测任务。本发明的方法，只需要弱标注的样本即可进行模型构建，从而节省了大量的人力劳动和时间成本，对于日常生活中常见的异常事件有较高的检测精度。在目前公布的测试数据集上，取得了领先的检测水平。

主权项

1.一种基于弱监督学习的视频异常事件检测系统，其特征在于，包括视频片段层次结构深度特征提取模块、行为实例包弱监督学习模块以及行为实例异常得分损失函数约束模块；其中：所述的视频片段层次结构深度特征提取模块，用于对指定长度的视频片段也即行为实例，提取多个层次的RGB图像‑光流图像联合表述特征；所述的行为实例包弱监督学习模块，用于将包含多个行为实例的视频序列作为一个整体，只使用正常/异常的视频标签，进行弱监督学习；所述的行为实例异常得分损失函数约束模块，用于约束行为实例得分符合视频事件连续性、异常事件偶发性的性质，来指导异常事件评分网络更加有效地进行学习。