买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉西安建筑科技大学申请的专利一种基于Re-TimeSFormer模型的视频异常事件识别方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119251724B 。

龙图腾网通过国家知识产权局官网在2026-04-28发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411234118.0，技术领域涉及：G06V20/40；该发明授权一种基于Re-TimeSFormer模型的视频异常事件识别方法是由王雨萌;衡洋洋;马宗方设计研发完成，并于2024-09-04向国家知识产权局提交的专利申请。

本一种基于Re-TimeSFormer模型的视频异常事件识别方法在说明书摘要公布了：本发明公开了一种基于Re‑TimeSFormer模型的视频异常事件识别方法，包括以下步骤；步骤1：对原始视频采样大小为H×W的F个视频帧进行预处理；步骤2：将预处理后的视频帧转换为图像块嵌入向量后送入异常事件识别模型；步骤3：基于Re‑TimeSFormer的异常事件识别模型用于检测视频中是否存在设定为异常的事件；步骤4：利用FocalLoss损失函数计算预测值与真实标签之间的差异，以此进行参数优化，得到训练好的异常事件识别模型；步骤5：在异常事件识别模块的测试阶段，将测试视频输入到训练好的异常事件识别模型中，得到识别结果。本发明能在保留Transformers模型提取全局上下文的能力的同时，提高识别低层特征的能力，增加视觉特征多样性与模型稳定性，从而增强视觉识别任务的性能。

本发明授权一种基于Re-TimeSFormer模型的视频异常事件识别方法在权利要求书中公布了：1.一种基于Re-TimeSFormer模型的视频异常事件识别方法，其特征在于，包括以下步骤； 步骤1：对原始视频采样大小为W的F个视频帧进行预处理； 步骤2：数据处理：将预处理后的视频帧转换为图像块嵌入向量后，送入异常事件识别模型； 步骤3：构建基于Re-TimeSFormer的异常事件识别模型，基于Re-TimeSFormer的异常事件识别模型用于检测视频中是否存在设定为异常的事件； 步骤4：利用FocalLoss损失函数计算预测值与真实标签之间的差异，以此进行参数优化，得到训练好的异常事件识别模型； 步骤5：在异常事件识别模块的测试阶段，将测试视频输入到训练好的异常事件识别模型中，得到识别结果； 所述步骤3中基于Re-TimeSFormer的异常事件识别模型包括时空分离自注意力模块、残差注意力模块和分类模块； 步骤3.1：将所述图像块嵌入向量送入时空分离自注意力模块； 步骤3.2：构建时空分离自注意力模块，将时间注意力模块和空间注意力模块级联，并添加归一化和残差连接，组成时空注意力层，再将多个时空注意力层堆叠； 时间自注意力模块通过与其他帧的相同空间位置的所有图像块比较来进行计算，得到该位置的时间注意力，然后将得到的结果反馈给空间注意力计算；空间自注意力模块同时对同时刻的每帧信息进行计算，得到该时刻的空间注意力； 步骤3.3：在时空分离注意力模块的基础上引入残差注意力模块；在连续的多头自注意力层之间使用跳跃连接，使得注意力能够从浅层传播和积累到更深层，所提出的残差注意力机制是通过改变定义的MHSA矩阵的计算来实现的： 其中，可学习的变量[0,1]，用于允许网络自主地确定在层之间传播多少注意力;其中SM表示softmax；A表示注意头的总数；是多个注意力头上的索引； 表示每个注意力头部的潜在维度;为查询向量，为键向量;表示patch的序号，表示不同视频帧的索引； 步骤3.4：选用全连接层作为分类模块。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西安建筑科技大学，其通讯地址为：710055 陕西省西安市雁塔路13号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。