技术特征：
技术总结
本发明公布了一种基于弱监督学习的视频异常事件检测系统及其方法，该方法基于深度学习框架，把弱监督视频异常事件检测问题表述成一个多实例学习模型；对于一个视频序列，将其划分为多个行为实例，对每个行为实例采用深度网络模型提取多层次外形‑运动联合表述特征，同时构建正常/异常行为分类器对行为实例进行打分，从而实现给定视频中异常事件检测任务。本发明的方法，只需要弱标注的样本即可进行模型构建，从而节省了大量的人力劳动和时间成本，对于日常生活中常见的异常事件有较高的检测精度。在目前公布的测试数据集上，取得了领先的检测水平。
技术研发人员：安欣赏;李楠楠;张世雄;张子尧;李革;张伟民
受保护的技术使用者：深圳龙岗智能视听研究院
技术研发日：2018.11.13
技术公布日：2019.03.22