买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南通大学申请的专利基于多维二阶记忆引导网络的视频异常检测方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115601679B 。

龙图腾网通过国家知识产权局官网在2025-07-22发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211317988.5，技术领域涉及：G06V20/40；该发明授权基于多维二阶记忆引导网络的视频异常检测方法及系统是由李洪均;陈明一;孙晓虎;陈俊杰设计研发完成，并于2022-10-26向国家知识产权局提交的专利申请。

本基于多维二阶记忆引导网络的视频异常检测方法及系统在说明书摘要公布了：本发明属于计算机视觉领域，具体涉及基于多维二阶记忆引导网络的视频异常检测方法及系统，本发明方法包括异常检测模型训练阶段和测试阶段两个阶段。在训练阶段采用隐式计算方法提取连续帧之间时间维度上的初始流动性特征，对初始流动性特征进行四次维度扩充卷积运算得到融合后的特征图；从初始流动性特征和特征图中提取出矫正后的流动性特征，并使用多维二阶记忆引导模块引导流动性特征提取的过程。在测试阶段将整个视频帧输入到异常检测模型中，对视频帧打出异常分数，使用异常分数判断视频中是否存在异常。本发明中使用了维度扩充和特征融合的策略，并采用了多维二阶记忆引导模块，提高了特征重建的效果，能够更有效地识别视频中的异常。

本发明授权基于多维二阶记忆引导网络的视频异常检测方法及系统在权利要求书中公布了：1.基于多维二阶记忆引导网络的视频异常检测方法，其特征在于，包括异常检测模型训练阶段和异常检测模型测试阶段： 在异常检测模型训练阶段，采用隐式计算方法提取连续帧之间时间维度上的特征，得到初始流动性特征f；对所述初始流动性特征f进行四次维度扩充卷积运算，得到融合后的特征图Ft′；从所述初始流动性特征f和所述特征图Ft′中提取出矫正后的流动性特征，并使用多维二阶记忆引导模块引导流动性特征提取的过程； 在异常检测模型测试阶段，将整个视频帧输入到异常检测模型中，对视频帧打出异常分数，使用所述异常分数判断视频中是否存在异常； 所述多维二阶记忆引导模块中一阶记忆模块存储的信息为所述初始流动性特征f，二阶记忆模块存储的是所述特征图Ft′； 所述一阶记忆模块包含Lo-M模块和Ra-M模块；将所述初始流动性特征f中存储的最佳位移流坐标x,y输入到所述Lo-M模块中，将所述初始流动性特征f中存储的最大相关值v输入到所述Ra-M模块中；训练阶段中所述Lo-M存储正常事件中流动性产生的位置的典型分布，Ra-M存储正常事件发生时产生流动性变化的幅度大小的典型分布；在测试阶段，计算所述初始流动性特征f与所述一阶记忆模块中各记忆项的欧式距离，将最匹配的记忆项与之进行concat操作得到经过矫正的流动性特征；其中Lo-M模块计算欧氏距离如公式3所示，Ra-M模块计算欧氏距离如公式4所示： 其中，ftx,y第t帧图片最佳流动性坐标，ftvt到t+1的最大相关值，L′gra1表示ftx,y与Lo-M模块中的记忆项之间的欧氏距离，L′gra2表示ftv与Ra-M模块中的记忆项之间的欧氏距离，g′p1代表Lo-M模块中与ftx,y欧式距离最近的记忆项，g′p2代表Ra-M模块中与ftv欧式距离最近的记忆项； 若Lo-M模块中没有记忆项与ftx,y接近，表示流动性发生在不被期望的位置上；若Ra-M模块中没有记忆项与ftv接近，代表流动性变化不是因正常事件产生的； 所述二阶记忆模块包括一个联合补偿记忆模块Co-M，所述联合补偿记忆模块Co-M对Ft′进行约束，强制引导F′t符合正常数据的分布；在训练阶段，计算输入数据与联合补偿记忆模块Co-M记忆项之间的欧式距离，如公式5所示： 其中，L″gra表示F′t与Co-M模块中的记忆项之间的欧氏距离，rt表示F′t的查询项，g″p表示所述联合补偿记忆模块Co-M中与rt最近的记忆项。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南通大学，其通讯地址为：226019 江苏省南通市崇川区啬园路9号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。