摘要
本申请涉及计算机视觉技术领域,公开了一种异常事件检测方法、装置、设备、存储介质及产品,该方法包括:基于深度神经网络编码器,通过将视频事件样本映射到特征空间,获得视频特征和初始聚簇,基于期望最大化算法,根据视频特征和初始聚簇获得优化后聚簇、更新后深度神经网络编码器和先验分布,根据优化后聚簇、更新后深度神经网络编码器和先验分布检测视频中的异常事件。本申请通过期望最大化算法,能够根据视频特征和初始聚簇迭代优化初始聚簇和深度神经网络编码器,并学习先验分布,提高了聚簇准确性且能够更好地适应数据特性,从而更精准地提取视频特征,在异常检测过程中更好地区分正常事件与异常事件,提高检测的准确性。
技术关键词
异常事件
深度神经网络
期望最大化算法
事件特征
编码器
视频
计算机程序产品
计算机视觉技术
关系
度量
检测设备
处理器
样本
特征提取模块
机制
存储器
参数
聚类
系统为您推荐了相关专利信息
电子病历数据
梯度提升模型
患者
支持向量回归
深度学习模型
动态电化学
电化学阻抗谱
统计特征
锂离子电池
编码器
节奏特征
偏差
神经网络模型
可读存储介质
融合卷积神经网络