一种基于局部-全局存储器U-Net的视频异常检测方法

本发明公开了一种基于局部‑全局存储器U‑Net的视频异常检测算法。该算法首先采集正常和异常的视频，并对视频进行预处理以得到训练样本。然后，通过U‑Net的编码器将训练样本进行编码得到特征图，将特征图输入到局部‑全局存储器中进行查询，同时根据查询分数来更新局部和全局存储器。接着，通过U‑Net的解码器将特征图重构为预测帧，并进行自适应误差矫正。最后，通过最小化正常数据的重建损失，将视频序列输入到包含局部‑全局存储器的U‑Net深度神经网络中判断是否发生异常事件。本发明通过局部‑全局存储器保存了正常视频序列的局部和全局信息的正常原型，提高了深度神经网络对异常事件的识别能力，通过自适应误差纠正模块，缓解了存储器的累计误差缺陷，有效提高了异常检测的鲁棒性和稳定性。