专利交易市场

本发明属于视频识别技术领域，涉及一种基于交叉U‑Net网络的视频异常检测方法及装置，该方法构建的基于自注意力机制的交叉U‑Net模型包括两个子网络，每个子网络都是U‑Net网络，两个子U‑Net网络分别接收前一帧和下一帧来预测当前帧，并且每个子网络由收缩路径和扩展路径组成，在收缩路径中进行交叉连接进行下采样过程，在扩展路径加入自注意力机制进行上采样过程；训练并使用训练后的基于自注意力机制的交叉U‑Net网络模型进行目标视频经FPN网络提取的每一帧进行异常检测。本发明在视频异常检测中引入了交叉U‑Net网络，既考虑了异常检测的精度，又考虑了视频监控中至关重要的异常检测速度。

本申请涉及一种基于图神经网络的电力物联网设备异常检测方法，它包括如下步骤：S1：利用数据采集工具，收集不同电力物联网设备的流量数据、业务数据；S2：对收集的数据进行Koopman分析；S3：构建电力物联网的图结构；S4：以图模型为输入，构建图神经网络模型，利用图卷积与图注意力网络对节点特征状态更新；S5：使用K‑Means聚类对某一时刻的节点进行异常检测。本发明通过引入Koopman分析，捕获电力物联网数据的非线性动力学特征；引入图卷积神经网络，提取电力物联网的空间特征，融合设备节点自身属性以及电力物联网拓扑结构中邻域设备节点的信息实现对电力物联网的异常检测，有效提高检测的准确率和稳定性。