技術(shù)特征：

1.一種基于re-timesformer模型的視頻異常事件識(shí)別方法，其特征在于，包括以下步驟；

2.根據(jù)權(quán)利要求1所述的一種基于re-timesformer模型的視頻異常事件識(shí)別方法，其特征在于，所述的步驟1中預(yù)處理包括調(diào)整視頻幀的像素以及圖像增強(qiáng)，獲得的預(yù)處理后的視頻幀序列，用于后續(xù)的信息編碼和異常識(shí)別。

3.根據(jù)權(quán)利要求1所述的一種基于re-timesformer模型的視頻異常事件識(shí)別方法，其特征在于，所述的步驟2中數(shù)據(jù)處理，具體為：

4.根據(jù)權(quán)利要求1所述的一種基于re-timesformer模型的視頻異常事件識(shí)別方法，其特征在于，所述步驟3中基于re-timesformer的異常事件識(shí)別模型包括時(shí)空分離自注意力模塊、殘差注意力模塊和分類模塊；

5.根據(jù)權(quán)利要求4所述的一種基于re-timesformer模型的視頻異常事件識(shí)別方法，其特征在于，所述步驟3.2中的時(shí)空分離注意力模塊，具體包括時(shí)間自注意力模塊和空間自注意力模塊，具體為：

6.根據(jù)權(quán)利要求4所述的一種基于re-timesformer模型的視頻異常事件識(shí)別方法，其特征在于，所述步驟3.3中的殘差注意力模塊具體為：

7.根據(jù)權(quán)利要求4所述的一種基于re-timesformer模型的視頻異常事件識(shí)別方法，其特征在于，所述步驟3.4中的分類模塊，具體為：

8.根據(jù)權(quán)利要求1所述的一種基于re-timesformer模型的視頻異常事件識(shí)別方法，其特征在于，所述步驟4的focalloss損失函數(shù)計(jì)算預(yù)測(cè)值與真實(shí)標(biāo)簽之間的差異，以此進(jìn)行參數(shù)優(yōu)化，實(shí)現(xiàn)如下：

技術(shù)總結(jié)
本發(fā)明公開了一種基于Re?TimeSFormer模型的視頻異常事件識(shí)別方法，包括以下步驟；步驟1：對(duì)原始視頻采樣大小為H×W的F個(gè)視頻幀進(jìn)行預(yù)處理；步驟2：將預(yù)處理后的視頻幀轉(zhuǎn)換為圖像塊嵌入向量后送入異常事件識(shí)別模型；步驟3：基于Re?TimeSFormer的異常事件識(shí)別模型用于檢測(cè)視頻中是否存在設(shè)定為異常的事件；步驟4：利用Focal?Loss損失函數(shù)計(jì)算預(yù)測(cè)值與真實(shí)標(biāo)簽之間的差異，以此進(jìn)行參數(shù)優(yōu)化，得到訓(xùn)練好的異常事件識(shí)別模型；步驟5：在異常事件識(shí)別模塊的測(cè)試階段，將測(cè)試視頻輸入到訓(xùn)練好的異常事件識(shí)別模型中，得到識(shí)別結(jié)果。本發(fā)明能在保留Transformers模型提取全局上下文的能力的同時(shí)，提高識(shí)別低層特征的能力，增加視覺特征多樣性與模型穩(wěn)定性，從而增強(qiáng)視覺識(shí)別任務(wù)的性能。

技術(shù)研發(fā)人員：王雨萌,衡洋洋,馬宗方
受保護(hù)的技術(shù)使用者：西安建筑科技大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/6