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！

龙图腾网获悉江西财经大学申请的专利原型伪实例增强视频异常检测方法与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：CN120088712B 。

龙图腾网通过国家知识产权局官网在2025-08-08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：202510580074.5，技术领域涉及：G06V20/40；该发明授权原型伪实例增强视频异常检测方法与系统是由舒雷;朱涛;鄢杰斌;刘学林;董馨茹;禹琪;董明;李诗雨设计研发完成，并于2025-05-07向国家知识产权局提交的专利申请。

本原型伪实例增强视频异常检测方法与系统在说明书摘要公布了：本发明提出一种原型伪实例增强视频异常检测方法与系统，该方法包括：对视频进行特征提取，得到深度特征，基于深度特征得到特征序列；将特征序列输入原型交互层，通过正常性原型集合计算得到余弦相似度；通过余弦相似度得到增强特征；通过分类器计算得到异常分数；通过异常分数对视频进行筛选，得到极端实例的索引集；基于极端实例的索引集，将极端实例对应的增强特征进行低维映射，得到深度特征嵌入表示；基于深度特征嵌入表示构建损失函数；结合损失函数对模型进行训练；通过训练后的模型得到检测结果。本发明通过可学习的正常性原型集合与注意力机制动态生成特征上下文向量，将结构化正常性知识嵌入特征留，建立鲁棒的正常性基准。

本发明授权原型伪实例增强视频异常检测方法与系统在权利要求书中公布了：1.一种原型伪实例增强视频异常检测方法，其特征在于，所述方法包括如下步骤： 步骤1、将视频输入视频异常检测模型，对视频依次进行时序分割和特征提取以得到深度特征，基于深度特征得到特征序列； 步骤2、将特征序列输入原型交互层，通过正常性原型集合计算得到余弦相似度； 基于余弦相似度生成得到注意力权重； 通过注意力权重得到正常性上下文向量； 对正常性上下文向量进行线性变换后与深度特征进行残差连接，得到增强特征； 步骤3、基于增强特征，通过分类器计算得到异常分数； 通过异常分数对视频进行筛选，分别得到异常集和正常集，将异常集与正常集进行合并，得到极端实例的索引集； 步骤4、基于极端实例的索引集，将极端实例对应的增强特征进行低维映射，得到深度特征嵌入表示； 基于深度特征嵌入表示构建总监督对比损失； 联合总监督对比损失和多示例学习损失对视频异常检测模型进行训练，得到训练后的视频异常检测模型； 步骤5、将视频输入训练后的视频异常检测模型，输出视频级异常分类结果及实例级异常定位分数； 在所述步骤2中，通过注意力权重得到正常性上下文向量，对应过程存在的关系式为： ； 其中，表示正常性上下文向量，表示第个深度特征对第个正常性原型的特征注意力权重，表示第个正常性原型的特征，表示正常性原型的特征总数; 对正常性上下文向量进行线性变换后与深度特征进行残差连接，得到增强特征，对应过程存在的关系式为： ； 其中，表示增强特征，表示第个深度特征，表示可学习的权重矩阵，表示可学习的偏置向量; 在所述步骤4中，基于深度特征嵌入表示构建总监督对比损失，具体步骤如下： 通过深度特征嵌入表示得到其它实例的索引集合，对应过程存在的关系式为： ； 其中，表示其它实例的索引集合，表示极端实例集合中的锚点实例的索引，表示极端实例集合中除当前锚点实例其它实例的索引，表示当前锚点实例的索引，表示提取实例的伪标签操作； 通过深度特征嵌入表示得到负样本的动态权重，对应过程存在的关系式为： ； 其中，表示负样本的动态权重，表示第个负样本，表示第个负样本，表示负样本的临时索引，表示权重温度系数，表示第个深度特征的嵌入表示； 通过其它实例的索引集合和负样本的动态权重，得到监督对比损失，对过程存在的关系式为： ； 其中，表示第个实例的监督对比损失，表示特征解耦正则化，表示根据样本对进行特征差异自适应调整的动态温度系数，和均表示特征进行结构化解耦的结果，表示其它极端实例的投影特征，表示特征解耦正则化项的权重系数； 将所有监督对比损失进行汇总，得到总监督对比损失，对应过程存在的关系式为： ； 其中，表示总监督对比损失，表示极端实例集; 联合总监督对比损失和多示例学习损失对视频异常检测模型进行训练，得到训练后的视频异常检测模型，其中，总损失为： ； 其中，表示总损失，表示多示例学习任务相关的不确定性参数，表示总监督对比任务的不确定性参数，表示多示例学习损失，表示基础混合系数，表示正则化系数，表示原型正则化项。

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江西财经大学，其通讯地址为：330000 江西省南昌市经济技术开发区双港东大街169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”。