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！

龙图腾网获悉西安交通大学;宁波市舜安人工智能研究院申请的专利一种弱监督视频异常检测方法、系统、设备及介质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：CN116434112B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202310322967.0，技术领域涉及：G06V20/40；该发明授权一种弱监督视频异常检测方法、系统、设备及介质是由王乐;师皓玥;秦正;周三平;陈仕韬;辛景民;郑南宁设计研发完成，并于2023-03-29向国家知识产权局提交的专利申请。

本一种弱监督视频异常检测方法、系统、设备及介质在说明书摘要公布了：本发明公开了一种弱监督视频异常检测方法、系统、设备及介质，所述弱监督视频异常检测方法包括以下步骤：获取待检测的视频帧特征序列；基于获取的所述待检测的视频帧特征序列，利用预先训练好的异常检测模型进行视频异常检测，获得视频异常检测结果。本发明提供的技术方案中，利用基于异常占比的多实例学习损失函数和异常占比引导下的多阶段自训练框架，能够对视频中存在的异常包括简单异常帧和难异常帧进行准确检测。

本发明授权一种弱监督视频异常检测方法、系统、设备及介质在权利要求书中公布了：1.一种弱监督视频异常检测方法，其特征在于，包括以下步骤： 获取待检测的视频帧特征序列； 基于获取的所述待检测的视频帧特征序列，利用预先训练好的异常检测模型进行视频异常检测，获得视频异常检测结果； 其中，所述预先训练好的异常检测模型的训练步骤包括： 1获取异常占比值λsmall、异常占比值λlarge以及训练样本集；其中，所述训练样本集中的每个训练样本均包括一个正常视频的T个片段特征和一个异常视频的T个片段特征； 2以异常占比值λsmall、训练样本集作为输入，对第一异常检测网络进行训练，达到预设的收敛条件，获得训练好的第一异常检测网络；其中，采用的损失函数为基于异常占比的多实例学习损失函数； 3基于所述训练好的第一异常检测网络，获取高置信度样本索引及其伪标签；以异常占比值λlarge、高置信度样本索引及其伪标签、训练样本集作为输入，对第二异常检测网络进行训练，达到预设的收敛条件，获得训练好的第二异常检测网络；其中，采用的损失函数为基于异常占比的多实例学习损失和分类损失的组合损失； 4训练第三异常检测网络至第K异常检测网络时，对于第k异常检测网络，基于训练好的第k-1异常检测网络获取每个训练样本中异常视频的自适应异常占比值λ、高置信度样本索引及其伪标签，以自适应异常占比值λ、高置信度样本索引及其伪标签、训练样本集作为输入，对第k异常检测网络进行训练，达到预设的收敛条件，获得训练好的第k异常检测网络；其中，采用的损失函数为基于异常占比的多实例学习损失和分类损失的组合损失；最终训练好的第K异常检测网络为所述预先训练好的异常检测模型。

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西安交通大学;宁波市舜安人工智能研究院，其通讯地址为：710049 陕西省西安市碑林区咸宁西路28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。