【技术实现步骤摘要】
本公开涉及计算机，尤其涉及视频异常检测方法、装置、电子设备和计算机程序产品。
技术介绍
1、视频异常检测方法是指通过部署在工业园区、居民小区等区域的智能设备，检测监控视频中的异常事件，对生产生活的有序进行提供了强有力的保障。
2、相关技术中，在对监控视频中目标对象进行异常性检测时，没有考虑场景环境对检测结果的影响，导致检测结果的准确度不高。
技术实现思路
1、有鉴于此，本公开示例性实施例提供了一种视频异常检测方法、装置、电子设备和计算机程序产品，以解决相关技术中存在的问题。
2、本公开示例性实施例的第一方面，提供了一种视频异常检测方法，包括：
3、获取目标对象的待测视频，并从待测视频中提取多帧待测视频帧图像；
4、获取预先构建的视频异常检测模型，视频异常检测模型包括视频解析模块和并行双分支异常检测模块，并行双分支异常检测模块包括外观异常检测网络和运动异常检测网络；
5、将多帧待测视频帧图像输入至视频异常检测模型，通过视频解析模块从多帧待测视频帧图像中分别提取目标对象的前景视频帧图像、场景图像和光流图像，通过外观异常检测网络基于前景视频帧图像和场景图像得到目标对象的未来视频帧图像，通过运动异常检测网络基于光流图像和场景图像得到目标对象的重构光流图像；
6、利用未来视频帧图像和重构光流图像，确定目标对象的检测结果。
7、本公开示例性实施例的第二方面，提供了一种视频异常检测装置，包括：
8、获
9、处理模块，用于从待测视频中提取多帧待测视频帧图像；
10、获取模块还用于获取预先构建的视频异常检测模型，视频异常检测模型包括视频解析模块和并行双分支异常检测模块，并行双分支异常检测模块包括外观异常检测网络和运动异常检测网络；
11、预测模块，用于将多帧待测视频帧图像输入至视频异常检测模型，通过视频解析模块从多帧待测视频帧图像中分别提取目标对象的前景视频帧图像、场景图像和光流图像，通过外观异常检测网络基于前景视频帧图像和场景图像得到目标对象的未来视频帧图像，通过运动异常检测网络基于光流图像和场景图像得到目标对象的重构光流图像；
12、处理模块还用于利用未来视频帧图像和重构光流图像，确定目标对象的检测结果。
13、本公开示例性实施例的第三方面，提供了一种电子设备，包括：
14、至少一个处理器；
15、用于存储至少一个处理器可执行指令的存储器；
16、其中，至少一个处理器用于执行指令，以实现上述方法的步骤。
17、本公开示例性实施例的第四方面，提供了一种计算机程序产品，包括计算机程序，其中，该计算机程序被处理器执行时实现上述所述的方法的步骤。
18、本公开示例性实施例采用的上述至少一个技术方案能够达到以下有益效果：通过获取目标对象的待测视频，并从待测视频中提取多帧待测视频帧图像；获取预先构建的视频异常检测模型，视频异常检测模型包括视频解析模块和并行双分支异常检测模块，并行双分支异常检测模块包括外观异常检测网络和运动异常检测网络；将多帧待测视频帧图像输入至视频异常检测模型，通过视频解析模块从多帧待测视频帧图像中分别提取目标对象的前景视频帧图像、场景图像和光流图像，通过外观异常检测网络基于前景视频帧图像和场景图像得到目标对象的未来视频帧图像，通过运动异常检测网络基于光流图像和场景图像得到目标对象的重构光流图像；利用未来视频帧图像和重构光流图像，确定目标对象的检测结果，能够在对待测视频中目标对象进行异常性检测时，综合考虑目标对象的外观信息、运动信息和场景信息，提高了检测结果的准确性。
本文档来自技高网...【技术保护点】
1.一种视频异常检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述外观异常检测网络包括外观与场景感知编码器、第一记忆存储单元、第一场景条件变分自编码器和外观与场景感知解码器；
3.根据权利要求2所述的方法，其特征在于，所述通过所述外观异常检测网络基于所述前景视频帧图像和所述场景图像得到所述目标对象的未来视频帧图像，包括：
4.根据权利要求3所述的方法，其特征在于，所述第一场景条件变分自编码器包括第一编码器、第一潜在空间采样层和第一解码器；
5.根据权利要求2所述的方法，其特征在于，所述通过运动异常检测网络基于所述光流图像和所述场景图像得到所述目标对象的重构光流图像，包括：
6.根据权利要求5所述的方法，其特征在于，所述第二场景条件变分自编码器包括第二编码器、第二潜在空间采样层和第二解码器；
7.根据权利要求2所述的方法，其特征在于，所述外观与场景感知编码器和所述运动异常检测网络的结构均为多层残差U-Net网络，所述多层残差U-Net网络包括多个残差块，每个所述残差块均包括多个具有不同
8.根据权利要求1所述的方法，其特征在于，所述利用所述未来视频帧图像和所述重构光流图像，确定所述目标对象的检测结果，包括：
9.根据权利要求1所述的方法，其特征在于，所述视频解析模块包括目标检测网络、场景提取网络和光流估计网络；
10.根据权利要求1～9中任一项所述的方法，其特征在于，在训练阶段，所述视频异常检测模型的总损失包括预测损失、重构损失、记忆损失和拼接损失，所述视频异常检测模型的总损失基于所述预测损失、所述重构损失、所述记忆损失和所述拼接损失的加权平均值进行计算。
11.一种视频异常检测装置，其特征在于，包括：
12.一种电子设备，其特征在于，包括：
13.一种计算机程序产品，其特征在于，包括计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1～11中任一项所述的方法的步骤。
...【技术特征摘要】
1.一种视频异常检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述外观异常检测网络包括外观与场景感知编码器、第一记忆存储单元、第一场景条件变分自编码器和外观与场景感知解码器；
3.根据权利要求2所述的方法，其特征在于，所述通过所述外观异常检测网络基于所述前景视频帧图像和所述场景图像得到所述目标对象的未来视频帧图像，包括：
4.根据权利要求3所述的方法，其特征在于，所述第一场景条件变分自编码器包括第一编码器、第一潜在空间采样层和第一解码器；
5.根据权利要求2所述的方法，其特征在于，所述通过运动异常检测网络基于所述光流图像和所述场景图像得到所述目标对象的重构光流图像，包括：
6.根据权利要求5所述的方法，其特征在于，所述第二场景条件变分自编码器包括第二编码器、第二潜在空间采样层和第二解码器；
7.根据权利要求2所述的方法，其特征在于，所述外观与场景感知编码器和所述运动异常检测网络的结构均为多层残差u...
【专利技术属性】
技术研发人员：杨锐，张令勇，韩晨，李坤，岳思思，司炜，宋上雷，张延彬，段保平，董春辉，李宜然，任向进，卢在伟，
申请(专利权)人：中国移动通信集团设计院有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。