复杂城市背景异常目标自学习检测方法及装置

本申请提出了一种复杂城市背景异常目标自学习检测方法，涉及信息技术领域，其中，该方法包括：通过多模态视觉传感器采集城市场景数据，并对采集的多模态数据进行初步异常检测，得到初步异常检测结果；利用先验知识和数据调优对初步异常检测结果增加不确定性知识，构建不确定性模型；基于不确定性模型，计算并比较不同模态数据之间的相对熵，并根据相对熵差异确定重采样量级，调整不同模态数据的权重；基于调整后的权重，对采集的多模态数据进行多因素耦合推理，得到异常检测结果。采用上述方案的本发明能够在无监督环境下对复杂城市背景环境的异常目标进行可靠监测。