一种基于特征解耦的弱监督视频异常检测方法

本发明公开了一种基于特征解耦的弱监督视频异常检测方法。该方法首先采集正常和异常视频构建训练数据集，然后利用预训练的视觉‑语言模型获取视频和文本标签的嵌入表示。接着，通过构建局部‑全局时间模块，将视频特征分别从局部和全局的时间依赖性进行建模，以更好地捕获视频中的时间信息。此外，通过特征解耦模块将视频特征和文本标签的共享特征有效地解耦，并将文本标签的共享特征融入到视频特征中，以增强视频特征的表示能力。最后，通过构建分类网络和使用多实例学习方法训练整个神经网络，实现对视频异常事件的准确检测。本发明通过局部‑全局时间模块的设计，有效地捕获了视频数据中的时间依赖，并通过特征解耦模块将视频特征与文本标签特征进行有效地解耦，通过将视频特征和文本标签共享特征的有效融合，提高了视频特征的表示能力。