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！

龙图腾网获悉安徽大学申请的专利一种基于流重构和帧预测结合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：CN117115715B 。

龙图腾网通过国家知识产权局官网在2025-08-22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：202311142354.5，技术领域涉及：G06V20/40；该发明授权一种基于流重构和帧预测结合的视频异常检测方法是由王金卓;王晓宇设计研发完成，并于2023-09-06向国家知识产权局提交的专利申请。

本一种基于流重构和帧预测结合的视频异常检测方法在说明书摘要公布了：本发明公开一种基于流重构和帧预测结合的视频异常检测方法，包括以下步骤：获取训练样本、帧数据处理、重构网络模型训练、预测网络训练以及使用训练好的模型进行测试并判断当前帧图像是否为异常帧；本发明基于流重构和帧预测结合的视频异常检测方法，分别使用基于TransUNet改进的多级记忆网络和条件变分自编码器训练，首先，捕获了视频帧和光流之间的高度相关性，其次，重构的正常流通常具有较高的质量，预测模块能够以较小的预测误差成功预测未来框架，最后，重构误差扩大了预测误差，使异常更容易被发现，从而能获得准确性和鲁棒性较高的异常检测结果。

本发明授权一种基于流重构和帧预测结合的视频异常检测方法在权利要求书中公布了：1.一种基于流重构和帧预测结合的视频异常检测方法，其特征在于，包括以下步骤： 步骤一：先在UCSDPed2、CUHKAvenue和ShanghaiTech三个国际公认的公共视频异常检测数据集上获取训练样本，再将训练样本中的视频数据处理成相应的帧数据； 步骤二：先提取训练和测试视频帧的光流及其所有前景对象，其中每个前景对象由RoI边界框标识，对于每个RoI边界框标识，构建一个时空立方体； 步骤三：使用基于TransUNet的多级记忆网络作为光流重构网络对步骤二中提取出的光流进行重构训练，输入时空立方体，输出重构后的光流图像，并计算重构误差及重构损失，所述基于TransUNet的多级记忆网络为基于Transformer和U-Net的网络结构，用于图像分割任务，所述光流重构网络由编码器、记忆模块、解码器、内存模块和记忆模块构成，所述编码器部分首先将输入图片经过resnet50进行特征提取，其中的三个接口层的输出将保留并用于后续跳跃连接，接着将resnet50输出的特征图进行序列化，送入transformer网络模型中进行序列预测，输出一个序列，然后将该输出序列合并、重塑成一个新的特征图； 所述解码器的每个级别首先从编码器复制特征映射，然后将解码器的每个级别与较低级别的上采样特征映射连接起来，然后依次串联三层，每一层包含两个卷积块、一个存储模块和一个上采样层，卷积块包含卷积层、批处理规范化层和ReLU激活层； 所述内存模块为一个矩阵M∈RN*C，矩阵的每一行称为槽Mi，i＝1，2，3，…，N，记忆模块通过相似记忆槽的加权和来表示输入其的特征； 步骤四：采用条件变分自动编码器CVAE作为预测网络模型，并以原始视频帧数据以及重构后的光流图像输入预测网络模型进行训练，输出预测后的帧数据，并计算预测误差以及预测损失； 步骤五：使用训练好的模型进行测试，输入待检测图像，将流重构误差和帧预测误差进行加权得到异常分数，若异常分数超过预设阈值则判定当前帧图像被检测为异常帧，所述异常分数的计算公式为： 其中，S为异常分数，μr，σr，μp，σp为所有训练样本的重构误差与预测误差的均值和标准差，wr和wp为两个分数的权重，Sr和Sp分别为重构和预测前后的L2范式计算结果。

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安徽大学，其通讯地址为：230000 安徽省合肥市蜀山区九龙路111号安徽大学磬苑校区；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”。