一种多尺度高维特征分析无监督学习视频异常检测方法

    公开(公告)号:CN117132919A

    公开(公告)日:2023-11-28

    申请号:CN202311010650.X

    申请日:2023-08-11

    Abstract: 本发明公开了一种多尺度高维特征分析无监督学习视频异常检测方法,采用具有卷积与自注意力提取特征的并行网络作为核心模块,整体架构采用端到端的自编码器架构,从卷积层和Transformer注意力计算层提取视频序列的表现特征与时空特征,对所有特征加以融合后,结合记忆网络来对多尺度特征进行解码预测,最终输出预测视频帧。本发明采用上述的一种多尺度高维特征分析无监督学习视频异常检测方法,使用端到端网络用于提取视频序列图像的表示特征和时空特征,提高视频帧预测的精度、增强了训练正常样本特征信息的多样性,提高了视频异常检测的异常分数评估。

    一种多房间音乐自动跟随切换系统及方法

    公开(公告)号:CN113179506B

    公开(公告)日:2023-04-11

    申请号:CN202110423720.9

    申请日:2021-04-20

    Abstract: 本发明属于多媒体技术领域,公开了一种多房间音乐自动跟随切换系统,包括多个音响设备、传感设备和控制模块,所述音响设备包括音源模块、蓝牙模块及D类双声道功放模块,所述音源模块连接蓝牙模块,所述D类双声道功放模块连接音源模块;所述控制模块包括MCU控制板和蓝牙信号控制模块,所述音响设备在每个房间配置一台,所述传感设备设置在进门处,所述传感设备连接MCU控制板,所述MCU控制板连接蓝牙信号控制模块,所述蓝牙模块和蓝牙信号控制模块蓝牙连接。本发明所采用的人体传感的方式,用蓝牙发送指令的方式来实现跨房间活动的音乐跟随或切换,解决了APP控制或触控音响所产生的问题,方便快捷,大大提升了用户的体验。

    一种基于光流分解和时空特征学习的视频异常检测方法

    公开(公告)号:CN117292299A

    公开(公告)日:2023-12-26

    申请号:CN202311283628.2

    申请日:2023-10-07

    Abstract: 本发明公开了一种基于光流分解和时空特征学习的视频异常检测方法,使用混合框架将预测和重构方法结合起来,采用光流分解与重构提取光流中的运动信息,提高光流重构的质量;采用时空特征学习来提取两种模态的特征并采用自动态适应矩阵融合,提高视频异常检测的精度;采用混合方法,使用记忆增强的自编码器和光流分解技术,提升重构光流的质量,使用双流网络提取不同模态的全局空间特征和局部时间特征机制,加强模型特征提取和学习的能力,提升了模型在视频异常检测上的效果。本发明采用上述一种基于光流分解和时空特征学习的视频异常检测方法,在提高视频异常检测精度的同时,降低了模型计算规模,增加了模型的提取特征和融合特征的能力。

    一种多房间音乐自动跟随切换系统及方法

    公开(公告)号:CN113179506A

    公开(公告)日:2021-07-27

    申请号:CN202110423720.9

    申请日:2021-04-20

    Abstract: 本发明属于多媒体技术领域,公开了一种多房间音乐自动跟随切换系统,包括多个音响设备、传感设备和控制模块,所述音响设备包括音源模块、蓝牙模块及D类双声道功放模块,所述音源模块连接蓝牙模块,所述D类双声道功放模块连接音源模块;所述控制模块包括MCU控制板和蓝牙信号控制模块,所述音响设备在每个房间配置一台,所述传感设备设置在进门处,所述传感设备连接MCU控制板,所述MCU控制板连接蓝牙信号控制模块,所述蓝牙模块和蓝牙信号控制模块蓝牙连接。本发明所采用的人体传感的方式,用蓝牙发送指令的方式来实现跨房间活动的音乐跟随或切换,解决了APP控制或触控音响所产生的问题,方便快捷,大大提升了用户的体验。

    一种基于SSIM和STE-3D的视频异常检测方法

    公开(公告)号:CN119478768A

    公开(公告)日:2025-02-18

    申请号:CN202411488588.X

    申请日:2024-10-23

    Abstract: 本发明公开了一种基于SSIM和STE‑3D的视频异常检测方法,包括以下步骤:首先将待增强的基于三维卷积的视频异常检测模型的损失函数和异常分数计算公式中的均方误差MSE替换为结构相似性指数SSIM,插入时空增强块STE‑3D,得到增强后的视频异常检测模型;将训练集中的视频帧预处理为小视频片段输入到增强后的视频异常检测模型中进行训练,模型输入记为I;将根据预处理后的小视频片段重构生成的小视频片段记为O,计算I和O间的损失值,更新模型权重,直至训练完成;预测阶段,计算I和O间的重构误差,判断当前帧是否是异常帧。本发明采用上述的一种基于SSIM和STE‑3D的视频异常检测方法,提供了更适合评估视频异常的指标,并确保检测到的异常与人类观察更准确地对应。

Patent Agency Ranking