基于元学习的少样本类别自适应视频异常检测方法和装置

本申请提出了一种基于元学习的少样本类别自适应视频异常检测方法和装置，涉及视频异常检测技术领域，本申请通过在元学习框架下训练少样本类别自适应视频异常检测模型，使其能够在仅获得少量新类型异常样本的情况下，快速学习并适应新类型异常事件的特征分布，无需重新采集大规模样本或从头训练模型。通过这种方式，不仅显著降低了模型训练与数据标注成本，还提升了以少样本类别自适应视频异常检测模型为核心的视频监控系统在复杂多变场景下的异常检测效率与泛化能力，实现了对新型异常事件的快速识别与实时预警。