李自强，王正勇，陈洪刚*，李林怡，何小海

（1.四川大学电子信息学院，成都 610065；2.中国民航局第二研究所，成都 610041）

0 引言

视频的异常行为检测是计算机视觉领域极具挑战性的问题，其中一个主要原因在于对异常没有一个通用的定义，其判定通常依赖于所处的特定场景。例如一辆汽车行驶在步行街上是一个异常行为，而在公路上则是正常的。这种非常依赖于场景前后关系的行为识别是当前异常行为检测所面临的重大挑战。为了应对这个问题，一个典型的方法就是将与正常视频差异过大或未出现过的行为作为异常行为，但是这一方法可能将未在训练集中出现的正常行为当作异常。一方面，异常行为发生频率较低，而监控视频数据量大且多以正常行为为主，因此对视频进行人工标注成本太高；另一方面，实际获取的数据集只是真实场景下正常行为和异常行为的子集，故无法囊括所有发生的行为［1］。这种数据不平衡和异常样本缺乏的问题使得当前大多数研究都采用弱监督学习和半监督学习方法。

当前提出的弱监督学习方法［2-3］多是采用基于多示例学习（Multiple Instance Learning，MIL）的异常检测方法，将训练集中的每个视频当作一个包，视频的每一帧当作一个实例，把含有异常帧的视频标记为正包，全是正常帧的记为负包。这类方法是在已经获知一个视频是否含有异常事件的假设下来研究异常检测问题，只是不知道异常的时序位置和类型，但真实情况下这种先验知识是不存在的。……