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！

龙图腾网获悉深圳市德孚力奥科技有限公司申请的专利基于人工智能的异常监控处理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：CN121259750B 。

龙图腾网通过国家知识产权局官网在2026-03-03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：202511806160.X，技术领域涉及：G06V20/52；该发明授权基于人工智能的异常监控处理方法及系统是由刘超;裴延艳;王建传设计研发完成，并于2025-12-03向国家知识产权局提交的专利申请。

本基于人工智能的异常监控处理方法及系统在说明书摘要公布了：本发明公开了基于人工智能的异常监控处理方法及系统，涉及视频监控技术领域。该方法包括：获取监控场景的场景特征，并根据场景特征对监控画面进行分区划分，获取多个画面分区；获取多个画面分区的历史监控数据，对应计算结构熵指征并建立每个画面分区的熵行为基线模型；实时获取疑似异常监控数据，计算获取疑似结构熵序列，并根据熵行为基线模型与疑似结构熵序列计算获取多个画面分区的多维差异特征序列；分别将多个多维差异特征序列输入至预构建的异常评估模型，获得疑似异常监控数据的多维异常置信度，并基于预设阈值进行高通筛选，获取置信异常监控数据。本发明有效提升了异常监控处理的准确性与经济性。

本发明授权基于人工智能的异常监控处理方法及系统在权利要求书中公布了：1.基于人工智能的异常监控处理方法，其特征在于，包括： 获取监控场景的场景特征，并根据所述场景特征对监控画面进行分区划分，获取多个画面分区； 获取多个所述画面分区的历史监控数据，对应计算结构熵指征并建立每个所述画面分区的熵行为基线模型； 实时获取疑似异常监控数据，计算获取疑似结构熵序列，并根据所述熵行为基线模型与所述疑似结构熵序列计算获取多个所述画面分区的多维差异特征序列； 分别将多个所述多维差异特征序列输入至预构建的异常评估模型，获得所述疑似异常监控数据的多维异常置信度，并基于预设阈值进行高通筛选，获取置信异常监控数据； 获取多个所述画面分区的历史监控数据，对应计算结构熵指征并建立每个所述画面分区的熵行为基线模型，包括： 基于所述历史监控数据，使用光流法计算连续帧之间的运动矢量；形成运动矢量场； 将每一帧的所述运动矢量场按所述画面分区进行分割划分； 基于分割划分结果，计算每一所述画面分区对应的多个运动结构熵值，并基于帧时序将多个所述运动结构熵值序列化为运动结构熵序列； 以所述运动结构熵序列为所述结构熵指征，基于统计方法拟合获取每一所述画面分区的熵值时序典型值和熵值时序标准差，输出为所述熵行为基线模型； 根据所述熵行为基线模型与所述疑似结构熵序列计算获取多个所述画面分区的多维差异特征序列，包括： 计算每个所述画面分区的疑似结构熵序列与对应的所述熵行为基线模型之间的残差，形成熵值差异序列，并提取所述熵值差异序列的统计特征，获取区域内熵差异特征序列； 计算每一所述画面分区的熵值差异序列的导数与相邻画面分区的熵值差异序列的导数之间的残差，获取邻域同步差异序列； 计算每一所述画面分区的熵值差异序列的导数与相邻画面分区在预设前一时间窗口内的熵值差异序列的导数之间的残差，获取邻域前向传播差异序列； 计算每一所述画面分区的熵值差异序列的导数与相邻画面分区在预设后一时间窗口内的熵值差异序列的导数之间的残差，获取邻域后向传播差异序列； 所述区域内熵差异特征序列、所述邻域同步差异序列、所述邻域前向传播差异序列和所述邻域后向传播差异序列构成所述多维差异特征序列。

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深圳市德孚力奥科技有限公司，其通讯地址为：518000 广东省深圳市坪山区龙田街道竹坑社区翠景路37号坪山城投智园C栋C1101；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。