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！

龙图腾网获悉南京邮电大学申请的专利一种基于多模态条件扩散模型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：CN119600506B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202411633643.X，技术领域涉及：G06V20/40；该发明授权一种基于多模态条件扩散模型的视频异常检测方法是由孙雁飞;温万龙;亓晋;徐飞易;孙莹;吴迪;董振江设计研发完成，并于2024-11-15向国家知识产权局提交的专利申请。

本一种基于多模态条件扩散模型的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多模态条件扩散模型的视频异常检测方法，属于视频异常检测技术领域；方法为：对视频进行预处理，生成视频时空立方体和光流时空立方体；构建扩散模型，获得异常分数；将重建异常分数和预测异常分数进行加权计算；对获得的最终异常分数进行评估，完成视频异常检测。本发明通过光流重建和视频帧预测的多任务结合方式，异常更容易被区分；融合多模态数据，捕捉更多维度的特征信息，提高异常检测的精度；使得模型在处理噪声和复杂背景时更加稳定，提升异常检测的稳定性；通过重建后的光流作为指导未来帧预测的条件，扩大异常预测帧与原始帧之间的预测误差，缩小正常预测帧与原始帧之间的预测误差，保证训练效果和性能。

本发明授权一种基于多模态条件扩散模型的视频异常检测方法在权利要求书中公布了：1.一种基于多模态条件扩散模型的视频异常检测方法，其特征在于：该方法包括以下步骤： 步骤S1：对视频进行预处理，以生成视频时空立方体和光流时空立方体； 步骤S2：构建扩散模型，获得异常分数； 所述扩散模型包括重建扩散网络模块和条件预测扩散网络模块；所述重建扩散网络模块和条件预测扩散网络使用U-net架构，U-net架构包括线性层、2D卷积层、自注意力层和组归一化层； 所述重建扩散网络模块在U-net架构上的下采样路径与上采样路径分别增加了两个独立的分支结构，包括全局分支和局部分支；所述全局分支通过较大的卷积核和更多的池化操作，专注于提取全局运动信息； 所述局部分支通过较小的卷积核和较少的池化操作，保留局部运动细节信息； 所述条件预测扩散网络在U-net架构中加入了动态交互路径和时间特征聚合模块，动态交互路径利用交叉注意力机制，计算视频帧与经过重建的光流特征之间的相似性，时间特征聚合模块使用自注意力机制对时间序列中的每一帧进行特征融合； 步骤S2-1：将光流时空立方体输入重建扩散网络模块进行训练，获得重建后的光流时空立方体，并获得重建异常分数，具体操作为： 步骤S2-1-1：将光流时空立方体F输入重建扩散网络模块进行训练，对于训练过程的目标是学习近似于原始数据分布qF0的pθF0； 定义扩散前向过程，扩散前向过程为： 其中，t∈[1,T]，表示扩散时间步；qFt∣Ft-1为以下正态分布； 其中，αt∈0,1表示控制Ft-1和噪音的百分比权重的超参数，随着时间步t的增大αt逐渐减小；I为单位矩阵； 其中，表示一个标准高斯噪音，Ft表示为 步骤S2-1-2：通过最小化变分界限L来优化我们的重建扩散网络模块θ； 定义如下： 其中，∈θFt,t表示时间步为t时的预测噪音；为求取式中的平均值； 步骤S2-1-3：在反向采样过程中向重建扩散模型输入Ft，计算出 其中，σt表示时间步长的噪声强度参数，∈为标准正态分布的随机噪声；通过公式的不断迭代，重建扩散模型输出重建的光流立方体； 步骤S2-1-4：使用均方误差MSE来计算重建异常分数，计算如下： 其中，为重建扩散模型输出重建的光流时空立方体；F0为光流时空立方体F：{f0,f1,…,fk-1,fk} 步骤S2-2：将视频时空立方体及其对应的重建的光流时空立方体输入条件预测扩散网络模块，以预测下一帧，并获得预测异常分数； 步骤S3：将重建异常分数和预测异常分数进行加权计算，以获得最终异常分数； 步骤S4：对获得的最终异常分数进行评估，完成视频异常检测。

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南京邮电大学，其通讯地址为：210046 江苏省南京市亚东新城区文苑路9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。