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！

龙图腾网获悉成都理工大学;四川连贡数据科技有限公司申请的专利一种使用渐进高斯噪声负学习的视频异常检测方法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：CN120997747B 。

龙图腾网通过国家知识产权局官网在2026-02-03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：202511525362.7，技术领域涉及：G06V20/40；该发明授权一种使用渐进高斯噪声负学习的视频异常检测方法是由吴媛媛;嘉昊阳;林文龙设计研发完成，并于2025-10-24向国家知识产权局提交的专利申请。

本一种使用渐进高斯噪声负学习的视频异常检测方法在说明书摘要公布了：本发明公开了一种使用渐进高斯噪声负学习的视频异常检测方法，属于图像数据处理领域，包括步骤：构造数据集D；构造一无监督协同学习网络，包括特征提取器、生成器、判别器、伪标签生成器、噪声调度器；将伪重建目标视为生成器的最终输出，使用负学习方法训练无监督协同学习网络中的生成器和判别器，得到异常检测模型；获取待识别片段送入异常检测模型，经特征提取器生成对应的特征向量，再经判别器输出对应的异常概率。本发明引入扩散概率模型到协同学习方法中，利用异常的低发生频率来建立生成器和判别器之间的交叉监督，从而提升对数据潜在分布的学习能力，在引入扩散概率模型的基础上，设计一种负学习方法，提升异常检测的灵敏度。

本发明授权一种使用渐进高斯噪声负学习的视频异常检测方法在权利要求书中公布了：1.一种使用渐进高斯噪声负学习的视频异常检测方法，其特征在于，包括以下步骤； S1，构造数据集D； 获取I个用于视频异常检测的视频，将每个视频J个片段，每个片段包含p帧图片，其中第i个视频中第j个片段为Ci,j，1≤i≤I，1≤j≤J； S2，构造一无监督协同学习网络，包括特征提取器、生成器、判别器、伪标签生成器和噪声调度器； 所述特征提取器用于随机输入一批次片段，生成每个片段的特征向量，若该批次中第q个片段为Ci,j，则将其特征向量标记为，1≤q≤b，b为批次大小； 所述生成器为扩散概率模型，用于输入，生成对应的重构向量； 所述判别器用于输入，输出的异常概率； 所述伪标签生成器用于生成的第一伪标签和第二伪标签，其中若基于生成器的重构损失判断异常，则=1，否则为0，若基于判别器的二元交叉熵损失判断异常，则=1，否则为0； 所述噪声调度器用于根据下式生成的伪重建目标； ，， 式中，t为迭代次数，xt为第t次迭代的加噪数据，为标准高斯噪声，为第t步的累计衰减系数； S3，将伪重建目标视为生成器的最终输出，使用负学习方法训练无监督协同学习网络中的生成器和判别器直至迭代结束，得到异常检测模型； S4，获取待识别片段送入异常检测模型，经特征提取器生成对应的特征向量，再经判别器输出对应的异常概率。

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成都理工大学;四川连贡数据科技有限公司，其通讯地址为：610059 四川省成都市成华区二仙桥东三路1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”。

以上内容由龙图腾AI智能生成。