传统的视频监控系统往往对于网络、供电、存储有较高的要求。在某些特殊场景下,例如野外,采用定时拍摄或者事件触发拍摄的低功耗无线图像传感器可以作为场景监控的一种有效的替代手段。本文将由该类传感器收集到的数据称为非连续帧序列。另一方面,传统的监控系统往往依赖人不间断地盯着监控视频,从而及时发现问题并处理。而异常检测算法则通过收集到的正常数据,进而设计一个判别器检测输入的数据是否为异常数据。本文研究了基于非连续帧序列的异常检测算法,具体工作如下:1)提出了基于自动编码器的异常检测算法,该算法利用对抗编码器限制隐层的表示并利用对抗框架促使解码器的生成内容向正常样本靠拢,从而抑制了自动编码器的表达能力。利用该模型,当异常样本被送入模型,该算法可以通过异常样本在隐层的表示形式、判别器的特征形式以及重构误差判别该样本是否为异常样本。相对于其它异常检测算法,该算法在多个数据集上拥有不弱的性能。2)提出了基于光照迁移的定点监控图像异常检测算法。考虑到非连续帧数据集受到光照、阴影的影响,该算法从Lambert光照模型着手,提出了一个基于Cycle GAN的光照迁移模型。利用该模型的编码器,该算法可以从输入图像之中提取出不受光照影响的内容。在测试环节下,该算法通过比较待检测图像和利用K Medoids选取的标准图像组之间的区别,从而判断该图像是否有异常。该算法在不需要再次训练的情况下,在非连续帧序列上能够适应场景产生的轻微变化,且拥有不错的性能指标。