陈景霞，林文涛，龙旻翔，张鹏伟

(陕西科技大学 电子信息与人工智能学院，陕西 西安 710021)

0 引 言

传统视频异常检测[1]采用手工特征提取方法，虽然检测效果较好，但是计算成本高。与传统方法相比，基于深度学习的视频异常检测方法具有更好的准确性、鲁棒性和运行速度[2]。

为了缓解视频中正异常事件不均衡[3]，以及有监督训练所需视频标注工作量过大等问题，目前大部分研究集中在弱监督[4]、半监督[5]和无监督[6]方向进行。在训练模型时只采用正常行为的视频数据，旨在学习正常情况下的行为变化以及缓解样本事件不平衡的问题。在测试时如果出现与正常行为不符的事件，则生成的数据会与原测试数据产生较大误差，由此判断产生异常。

基于生成对抗网络和自编码器结构的检测方法不断被提出[2]，通过提取视频帧空间特征或时间特征学习视频中的行为变化。

本文就不同场景下多尺度特征提取不完全等问题，提出两种生成对抗网络方法。一种是将UNet3+[7]嵌入生成对抗网络中学习全局信息，捕获简单场景下更深层次小尺度特征信息(简称U3P2)。另一种是将UNet++[8]引入生成对抗网络，学习复杂场景下大尺度特征信息(简称UP3)。

1 相关工作

现阶段的视频异常检测研究主要采用深度学习方法，并以视频帧重构和未来帧预测两类方法为主。

基于重构的视频异常检测通过训练正常视频数据来获得正常数据的分布表示[9]，而异常行为出现时会有不同的分布，带来较大的重构误差。……