基于增强时空依赖Mamba模型的交通视频异常检测方法研究

本发明旨在高效精准地检测交通异常，解决当前交通异常检测领域面临的帧级精确标注数据稀缺和时空依赖关系处理不足的难题。通过弱监督学习，充分利用视频级标签，结合多头局部自注意力机制和自适应分层特征重构块，精确捕捉交通异常事件。多头局部自注意力机制深入挖掘视频中的时间依赖性与上下文关系，而自适应分层特征重构模块优化了特征表示，提高了检测的准确性。为进一步捕捉数据的长时空依赖关系，本发明提出了增强时空依赖Mamba模型，从而提升了交通异常检测的性能。该发明能够精确识别车辆事故、非法转弯及非法占用道路等交通异常事件。