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！

龙图腾网恭喜重庆大学申请的专利基于时空增强关联记忆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：CN116958878B 。

龙图腾网通过国家知识产权局官网在2025-06-10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：202310950812.1，技术领域涉及：G06V20/40；该发明授权基于时空增强关联记忆的视频异常检测方法是由仲元红;胡永婷;祝如越;严格;孙树海;钟代笛;黄智勇;韩术;周庆设计研发完成，并于2023-07-31向国家知识产权局提交的专利申请。

本基于时空增强关联记忆的视频异常检测方法在说明书摘要公布了：本发明具体涉及基于时空增强关联记忆的视频异常检测方法，包括：将视频帧序列输入经过训练的异常检测模型输出对应的异常预测值；将训练视频帧序列及其光流序列输入异常检测模型；提取外观特征和运动特征；利用运动特征来对外观特征进行融合增强；基于融合特征进行关联检索，得到正常事件原型间的关系，进而调整融合特征的特征维度生成最终特征；对最终特征进行解码，得到对应的异常预测值；根据异常预测值和对应的异常真实值计算模型损失并优化模型参数，直至模型收敛。本发明通过记录和学习正常事件的原型及其原型关系来调整特征维度，并且能够利用运动特征来增强外观特征以实现时空语义增强，从而提高视频异常检测的性能的准确性。

本发明授权基于时空增强关联记忆的视频异常检测方法在权利要求书中公布了：1.基于时空增强关联记忆的视频异常检测方法，其特征在于，包括：S1：获取待检测的视频帧序列；S2：将视频帧序列输入经过训练的异常检测模型中，输出对应的异常预测值；S3：将异常检测模型输出的异常预测值作为待检测视频帧序列的异常检测结果；步骤S2中，通过如下步骤训练异常检测模型：S201：获取包括训练视频帧序列和异常真实值的训练数据，并生成训练视频帧序列的光流序列；S202：将训练视频帧序列及其光流序列输入异常检测模型；S203：通过外观编码器和运动编码器提取训练视频帧序列及其光流序列的外观特征和运动特征；步骤S203中，外观编码器、运动编码器和解码器均为经过改进的U-Net网络；外观编码器和运动编码器的改进为：将U-Net网络的池化层变成了步长卷积层；解码器的改进为：在U-Net网络进行反卷积之前增加了可变形卷积网络层；S204：通过时空增强模组利用运动特征来对外观特征进行融合增强，得到融合特征；步骤S204中，时空增强模组基于运动特征的运动方差注意力图对外观特征进行加权，以实现通过运动特征增强外观特征；时空增强模组的处理步骤如下：S2041：将外观特征和运动特征作为时空增强模组的输入；S2042：将运动特征输入1×1卷积层和softmax层，得到光流全局上下文特征；S2043：将光流全局上下文特征输入方差注意力模块，生成运动方差注意力图；S2044：将外观特征与运动方差注意力图进行哈达玛积运算，生成运动增强外观特征；S2045：将运动增强外观特征依次输入1×1卷积层、LayerNorm函数层、ReLU函数层和1×1卷积层后，再与外观特征相加，得到融合特征；方差注意力模块通过如下公式计算生成运动方差注意力图： 式中：attv表示运动方差注意力图；fm表示光流全局上下文特征；d表示通道的尺寸；D表示空间维数的数目；S205：通过关联记忆模组基于融合特征进行关联检索，得到正常事件原型间的关系；S206：通过正常事件原型间的关系调整融合特征，生成最终特征；S207：通过解码器对最终特征进行解码，得到对应的异常预测值；S208：根据异常预测值和对应的异常真实值计算模型损失，并优化模型参数；S209：重复步骤S201至S208，直至异常检测模型收敛。

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重庆大学，其通讯地址为：400044 重庆市沙坪坝区沙正街174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”。