一种基于视觉自学习建模的设备异常判定方法

本发明公开了一种基于视觉自学习建模的设备异常判定方法，该方法包括：对视频流按固定频率抽帧并进行图像归一化；将每帧图像划分为多个子块，提取各子块的静态特征和动态特征；将一个时间窗口内的所有子块特征整合成时空四维张量，用于训练隐马尔可夫模型。进行设备异常判定时，根据最新时间窗口的四维张量，综合考量超出预定义容许变异区间的子块动态特征比例，以及通过HMM计算的设备由正常状态转移至异常状态的后验概率。本发明仅依赖视觉图像，通过自学习建模提高了特征维度和动态适应性，能有效检测设备早期微小异常，降低部署成本。