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！

龙图腾网获悉华南农业大学申请的专利一种基于特征解耦的弱监督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：CN118485947B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202410712382.4，技术领域涉及：G06V20/40；该发明授权一种基于特征解耦的弱监督视频异常检测方法是由王国华;何悟春;宋升平;郑永森;邓丽诗设计研发完成，并于2024-06-04向国家知识产权局提交的专利申请。

本一种基于特征解耦的弱监督视频异常检测方法在说明书摘要公布了：本发明公开了一种基于特征解耦的弱监督视频异常检测方法。该方法首先采集正常和异常视频构建训练数据集，然后利用预训练的视觉‑语言模型获取视频和文本标签的嵌入表示。接着，通过构建局部‑全局时间模块，将视频特征分别从局部和全局的时间依赖性进行建模，以更好地捕获视频中的时间信息。此外，通过特征解耦模块将视频特征和文本标签的共享特征有效地解耦，并将文本标签的共享特征融入到视频特征中，以增强视频特征的表示能力。最后，通过构建分类网络和使用多实例学习方法训练整个神经网络，实现对视频异常事件的准确检测。本发明通过局部‑全局时间模块的设计，有效地捕获了视频数据中的时间依赖，并通过特征解耦模块将视频特征与文本标签特征进行有效地解耦，通过将视频特征和文本标签共享特征的有效融合，提高了视频特征的表示能力。

本发明授权一种基于特征解耦的弱监督视频异常检测方法在权利要求书中公布了：1.一种基于特征解耦的弱监督视频异常检测方法，其特征在于，步骤一：采集正常和异常的视频构建训练数据集：采集一系列分辨率为640×480，帧率为24fps的视频数据，包含正常和异常情况，每个视频有相应的文本标签；步骤二：使用预训练的视觉-语言模型获取视频和视频文本标签的嵌入表示：使用预训练的视觉-语言模型CLIP获取视频片段的图像特征和文本标签的嵌入表示；步骤三：构建局部-全局时间模块，所述局部-全局时间模块的输入为按时间顺序排列的片段级视频特征序列首先，将输入特征序列F送入局部时间模块，局部时间模块由4个不同膨胀率的一维卷积层构成，分别提取不同时间尺度下的局部特征，通过这4个卷积层分别得到Fc1、Fc2、Fc3、Fc4四个局部特征表示，随后，将这四个特征按通道维度拼接，得到局部特征Fl，进一步，输入全局时间模块，构建图的邻接矩阵，并在图结构上进行图卷积运算，将全局时间模块的输出为全局特征表示；步骤四：构建特征解耦模块并将文本标签的共享特征融入视频片段特征；步骤五：构建分类网络：使用三层全连接神经网络，并通过Sigmoid函数进行输出；步骤六：使用多实例学习训练整个深度神经网络：对异常视频和正常视频分别构建正包和负包，每个包中不同时间段形成实例，训练时，以正包和负包为一批次输入分类网络，输出每个实例的异常概率，选择每个包中异常概率最高的前k个实例，计算其平均分数，使用二元交叉熵损失函数比较包的平均分数和标签，得到分类损失，整个深度神经网络的总损失由分类损失和特征解耦模块损失的加权和组成；步骤七：将视频输入到深度神经网络判断视频中是否有异常事件发生：将视频输入已训练的深度神经网络中，得到每个片段的异常分类概率，设置异常阈值T，若片段的异常概率大于T，则判断为异常事件发生；若小于T，则判断为正常。

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华南农业大学，其通讯地址为：510642 广东省广州市天河区五山路483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。