视频异常行为检测是智能监控系统的核心,在学术界和工业界都有着极高的研究价值和应用价值。然而,监控场景的复杂性和行为事件的多样性,使得视频异常行为检测仍然是一项非常具有挑战性的工作。影响监控视频中异常行为检测算法精度的两个关键性步骤是视频行为特征的描述方法与视频行为模型的构建。根据视频行为特征描述方法的语义信息等级的不同,视频行为的特征描述方法可以分为目标级特征描述方法和像素级特征描述方法;根据视频异常行为检测模型是否使用了深度神经网络,视频异常行为检测模型分为基于传统机器学习算法的检测模型和基于深度神经网络的检测模型。近年来,深度学习在人工智能领域取得了非常好的效果,在异常检测科研课题上,也正不断涌现出使用深度神经网络模型来检测异常行为的方法。针对简单的、人为规定的异常行为,对基于半监督的生成式对抗网络GANomaly进行了改进,并将其应用于视频异常行为检测。具体说来,为了使网络模型更加鲁棒,利用标签平滑可以促使网络产生更紧密的类内的聚类和更大的类别间的分离;为了防止模型崩溃并加快模型的收敛速度,在对抗训练中采用最小二乘损失函数,而不是二分类交叉熵损失函数;为了使重构图的与原图的外观信息保持一致,将重构损失分为强度损失和梯度损失。在异常行为检测中,利用归一化后的重构编码损失来作为度量视频帧的异常度的异常得分。在含有类别标记信息的公共数据集UCSD datasets上测试和证明这一方法的稳定性和准确性。为了进一步使异常行为检测研究更具实际意义,针对特定的、具有现实意义的暴力行为,对伪三维残差神经网络P3D Res Net进行了改进,并将其应用于视频异常行为检测。具体说来,为了克服人类行为的类间复杂性和类内差异性问题,以及使用精确的视频帧级别的标签会带开的巨大的工作量的问题,采用多示例学习的方式来学习视频中的行为模式。为了优化和改进伪三维残差神经网络,在跳跃连接块结构中加入1×1×1卷积层,在每个卷积层后都添加批量归一化操作,将最后的分类层改用三层的FC神经网络。每个来自三层全连接神经网络的特征向量再经由输出层的SVM输出,就能得到对应视频片段的异常得分。在一个较大规模的有关暴力行为的公共数据集UCF-Crime上测试和证明了这一方法的准确性和鲁棒性。