一种基于多尺度时空特征的弱监督异常行为检测的方法

本发明公开了一种基于多尺度时空特征的弱监督异常行为检测的方法，涉及异常行为检测技术领域，它的检测方法为：划分正常视频片段集合与异常视频片段集合将其输入改进的C3D网络模型，通过添加多尺度空间模块和多尺度时间模块来捕获输入数据更细致的时空特征；通过比较模型输出两个集合中实例类内与类间的异常得分大小，进行回归排序；结合迁移学习技术，加载预训练C3D模型的相关权值，将该网络与模型相同模块部分的参数迁移到所提算法，本发明对训练样本进行视频级弱标记，采用改进的C3D网络模型实现正负包与标签的一一映射，增大异常行为与正常行为之间的类间区分度，解决正常行为与异常行为在不同监控场景下界限模糊且不确定等问题。