基于深度卷積神經(jīng)網(wǎng)絡(luò)的異常行為快速識(shí)別*

龍 翔，韓蘭勝，王偉豪

（1.華中科技大學(xué)網(wǎng)絡(luò)空間安全學(xué)院，武漢 430074；2.湖北生物科技職業(yè)學(xué)院，武漢 430070；3.鵬程實(shí)驗(yàn)室網(wǎng)絡(luò)空間安全研究中心，廣東 深圳 518000）

0 引言

在實(shí)施視頻監(jiān)控場(chǎng)景中，主要是通過判定人群是否存在有異常行為進(jìn)行研究，以此實(shí)施智能化監(jiān)控。人群行為本身具有復(fù)雜性以及多樣性，因此，針對(duì)人群異常行為實(shí)施檢測(cè)存在一定難度。隨著工業(yè)以及軍事等不同領(lǐng)域的發(fā)展，人群異常行為檢測(cè)需求進(jìn)一步增加，另外當(dāng)前圖像處理算法性能以及可靠性的顯著提升，進(jìn)一步促進(jìn)了異常檢測(cè)中機(jī)器視覺技術(shù)的應(yīng)用［1-4］。異常檢測(cè)和定位在視頻分析過程中已經(jīng)算是一項(xiàng)十分具有挑戰(zhàn)性的任務(wù)，因?yàn)椤爱惓！痹诙x層面本身就是主觀的，需要充分考慮其長(zhǎng)期所依賴的環(huán)境等諸多因素。一般來說，當(dāng)一個(gè)事件很少發(fā)生或意外發(fā)生時(shí)，那么它就會(huì)被界定為“異?！?。

在人群擁擠場(chǎng)景類型的視頻中，異常構(gòu)成即為各種罕見形狀或罕見動(dòng)作，針對(duì)未知形狀或運(yùn)動(dòng)實(shí)施尋找是一項(xiàng)非常耗時(shí)的任務(wù)，因此，最高效的學(xué)習(xí)方法即為把區(qū)域或斑塊正常幀作為研究中的參考模型，主要為其訓(xùn)練數(shù)據(jù)和相關(guān)區(qū)域的正常形狀或動(dòng)作，那些與正常模型不同的區(qū)域通常會(huì)被認(rèn)為是異常的，要想將這些區(qū)域歸類為正常和異常，需要收集大量的訓(xùn)練樣本來描述每個(gè)區(qū)域的屬性。在實(shí)際應(yīng)用中，用來描述區(qū)域?qū)傩缘姆椒ㄓ泻芏?，目?biāo)軌跡估計(jì)是其中一個(gè)很重要的方法，一個(gè)物體如果不遵循已知的正常軌跡，就會(huì)顯示異常。這種檢測(cè)方法通常存在很多缺點(diǎn)，比如不能有效地處理過于復(fù)雜的遮擋、擁擠的場(chǎng)景問題。

為了避免上述這些缺點(diǎn)，學(xué)者們提出了各種解決方案，如光流或梯度。文獻(xiàn)［5］使用馬爾可夫隨機(jī)場(chǎng)（MRF）模擬視頻的一些特征模式，如稀缺性、意外性和相關(guān)性。文獻(xiàn)［6］認(rèn)為如果一個(gè)事件使用先前的觀測(cè)數(shù)據(jù)無法重建，那么就說明這個(gè)事件是不正常的。文獻(xiàn)［7］使用指數(shù)分布來模擬局部區(qū)域的光流直方圖。文獻(xiàn)［8］提出了一種用于表示視頻的混合動(dòng)態(tài)紋理（MDT），而且該方法所表示的特征符合高斯混合模型。文獻(xiàn)［9］對(duì)MDT 進(jìn)行了更詳細(xì)的擴(kuò)展和解釋。文獻(xiàn)［10］利用混合的概率主成分分析（MPPCA）模型來表示局部光流模式，并使用MRF來學(xué)習(xí)正常的模式。文獻(xiàn)［11］引入社會(huì)力（SF）并將其視為群體異常運(yùn)動(dòng)建模的一種有效技術(shù)，并利用文獻(xiàn)［12］所提出的基于時(shí)空定向能量濾波的方法來實(shí)現(xiàn)對(duì)異常行為的檢測(cè)。文獻(xiàn)［13］從正態(tài)數(shù)據(jù)中構(gòu)造了一個(gè)相對(duì)完備的正態(tài)基集，如果不能用這個(gè)基集重建圖像塊，則認(rèn)為該圖像塊不正常。文獻(xiàn)［14］提出了一種基于光流特征對(duì)測(cè)試數(shù)據(jù)進(jìn)行聚類的方法。文獻(xiàn)［15-16］利用稀疏負(fù)矩陣分解（SSMF）來實(shí)現(xiàn)對(duì)像素局部模式的學(xué)習(xí)，同時(shí)也充分考慮到空間和時(shí)間背景。

卷積神經(jīng)網(wǎng)路（CNNs）是一種人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，其在圖像和語音識(shí)別等領(lǐng)域的優(yōu)秀表現(xiàn)，使得這一技術(shù)被廣泛應(yīng)用。文獻(xiàn)［17］提出將CNNs 用于擁擠場(chǎng)景異常檢測(cè)，但在實(shí)際應(yīng)用過程中主要存在兩個(gè)問題，一是運(yùn)行速度慢，二是由于CNNs 視為完全監(jiān)督式的學(xué)習(xí)過程。由于這些困難的出現(xiàn)，使得近年來基于CNNs 算法進(jìn)行優(yōu)化以應(yīng)用于實(shí)際的趨勢(shì)越發(fā)活躍。文獻(xiàn)［18］使用全卷積網(wǎng)絡(luò)（FCNs）提取區(qū)域特征，之后再將傳統(tǒng)的分類神經(jīng)網(wǎng)絡(luò)視為全卷積網(wǎng)絡(luò)，并且使用區(qū)域特征提取器來實(shí)現(xiàn)計(jì)算成本降低的目的。總的來說，由于CNNs 和FCNs 都是基本的監(jiān)督方法，所以無論是CNNs 還是FCNs 都不能完全獨(dú)自勝任異常檢測(cè)的任務(wù)。為了更好地?cái)M合大規(guī)模的數(shù)據(jù)集，有專家提出使用更多的卷積層和更大的參數(shù)空間來進(jìn)行數(shù)據(jù)集的擬合，即深度神經(jīng)網(wǎng)絡(luò)。AlexNet 是第1 個(gè)深度卷積神經(jīng)網(wǎng)路模型，使用了許多現(xiàn)在深度卷積網(wǎng)絡(luò)的技術(shù)方法。

因此，為了克服CNNs 和FCNs 在異常檢測(cè)中存在的問題，本文提出在深度卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用下建構(gòu)視頻檢測(cè)以及定位方法。該方法利用全卷積神經(jīng)網(wǎng)絡(luò)和時(shí)間數(shù)據(jù)，將一個(gè)預(yù)先經(jīng)過訓(xùn)練和監(jiān)督的全卷積神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)移到一個(gè)無監(jiān)督的全卷積神經(jīng)網(wǎng)絡(luò)，進(jìn)而確保能夠檢測(cè)全局場(chǎng)景中的異常，提出利用級(jí)聯(lián)檢測(cè)的方式來降低算法的計(jì)算復(fù)雜度，從而使其在速度和精度方面獲得較高的性能。本文提出在全卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用下，針對(duì)異常行為檢測(cè)架構(gòu)檢測(cè)模型，解決特征表示和級(jí)聯(lián)離群值檢測(cè)兩個(gè)主要任務(wù)。仿真實(shí)驗(yàn)基于基準(zhǔn)數(shù)據(jù)集，實(shí)驗(yàn)結(jié)果表明，本文所提方法在檢測(cè)和定位精度上優(yōu)于現(xiàn)有算法，且運(yùn)行速度更快，從而表明本文所提算法的有效性和可行性。

1 本文算法

首先對(duì)本文所提出的方法總體思路進(jìn)行闡述，然后對(duì)其中涉及的技術(shù)細(xì)節(jié)進(jìn)行詳細(xì)描述。

1.1 總體思路

視頻數(shù)據(jù)中的異常事件被定義為不規(guī)則的形狀或運(yùn)動(dòng)，或者可能是兩者的結(jié)合?；诖硕x，識(shí)別形狀和運(yùn)動(dòng)是異常檢測(cè)和定位的基本任務(wù)。單個(gè)幀不包含運(yùn)動(dòng)屬性，它只提供該特定框架的形狀信息，因此，為了識(shí)別事件的運(yùn)動(dòng)屬性，需要一系列的幀。

為同時(shí)分析形狀和運(yùn)動(dòng)，定義幀的平均像素It和前一幀It-1，則It'表示為

在尺寸為w×h 的網(wǎng)格上表示視頻幀時(shí)，從序列Dt開始；Dt即為定義在w0×h0大小的網(wǎng)格Ω0上，之后實(shí)施序列Dt傳遞，將其逐漸傳遞到第k 個(gè)中間卷積層定義的全卷積網(wǎng)絡(luò)（FCN），每個(gè)FCN 定義在大小為wk×hk的網(wǎng)格Ωk上，其中，wk＆gt;wk+1，hk＆gt;hk+1，用L=3 來表示卷積的數(shù)量層。

FCN 第k 個(gè)中間卷積層輸出特征向量即為fk∈Rmk（具體表示為各個(gè)其中均存在有mk個(gè)實(shí)特征值），且可以確保mk≤mk+1，m0=1 開始。針對(duì)輸入序列Dt，第kth個(gè)卷積層輸出矢量值矩陣的具體表示為：

kth表示FCN 的中間卷積層，其中，k=1，…，L。該表示用于標(biāo)識(shí)Ωk中的一組部分成對(duì)重疊的區(qū)域，也被稱為感受野。因此，要想準(zhǔn)確地表示坐標(biāo)系It，就需要按順序Dt對(duì)Ωk進(jìn)行排序，然后再乘以mk，即

其中，l=1，2，…，mk，k=1，…，L。wk×hk的大小隨k 值的增加而減小。

假設(shè)有q 個(gè)來自視頻的訓(xùn)練幀，并且它們均被認(rèn)為是正常的。使用長(zhǎng)度為mk的wk×hk×q 的向量來定義二維的正常幀，它們是由預(yù)先訓(xùn)練好的FCN 自動(dòng)生成的。本文使用高斯分布對(duì)正常行為進(jìn)行建模。

圖1 變換表示示意圖Fig.1 Schematic diagram of transformation representation

本文所提的檢測(cè)方法的工作流程如下：首先可以把預(yù)先訓(xùn)練完成的FCN 通過輸入幀實(shí)施傳遞。然后，hk×wk在Kth的輸出中能夠?qū)⑵渖墒菂^(qū)域特征向量層，之后可以在高斯分類器G1的應(yīng)用下驗(yàn)證分析以上特征向量。更具體地說，G1是高斯分布，它適合于所有正常提取的區(qū)域特征向量，與G1完全不同的區(qū)域被認(rèn)為是異常。針對(duì)所檢測(cè)的低置信度可疑區(qū)域，可以將其在稀疏自動(dòng)編碼器中實(shí)施分配。在這一過程中，和G1相似的高斯分類器G2標(biāo)記這些區(qū)域，G2為高斯分類器，對(duì)從訓(xùn)練視頻數(shù)據(jù)所提取的相關(guān)區(qū)域特征向量，可以實(shí)施驗(yàn)證，自動(dòng)編碼器即可以表示出訓(xùn)練視頻數(shù)據(jù)。最后，可以通過在FCN 上回滾來注釋那些異常區(qū)域的位置。

1.2 異常檢測(cè)

在本文中，使用一組區(qū)域特征來表示視頻，這些特征被密集地提取，并且它們的描述由第Kth個(gè)卷積層的輸出中的特征向量給出。

高斯分類器G1符合FCN 生成的所有正常區(qū)域的特征。當(dāng)G1的區(qū)域距離特征大于閾值α 時(shí)，則會(huì)被認(rèn)為是不正常的，而那些和G1相容的（例如，他們的距離和閾值β 相比偏?。饲闆r下即會(huì)標(biāo)記為正常。如果驗(yàn)證發(fā)現(xiàn)這一區(qū)域和G1的距離為α、β間，即可以判定為這一區(qū)域可疑。針對(duì)所檢測(cè)的可疑區(qū)域，可以集中提供給下一個(gè)卷積層，以能夠通過預(yù)訓(xùn)練生成正常區(qū)域?qū)嵤┯?xùn)練。在此過程中以上可疑區(qū)域的新表示更具區(qū)別性，表示為

其中，n=1，2，…，h，h 為自動(dòng)編碼器所生成的特征向量，在大小上等同于隱藏層的大小。

在此步驟中，僅處理可疑區(qū)域。因此，網(wǎng)格（wk，hk）中的某些點(diǎn)（i，j）被忽略。類似于G1，在自動(dòng)編碼器表示的所有常規(guī)訓(xùn)練區(qū)域特征上創(chuàng)建一個(gè)高斯分類器G2。那些和G2的不太適合區(qū)域即為異常。

式（5）和式（6）實(shí)現(xiàn)了對(duì)兩個(gè)擬合高斯分類器異常檢測(cè)過程的總結(jié)分析。首先，有

此處，d 是區(qū)域特征向量x 與G 模型的馬氏距離。

1.3 視頻定位

第1 卷積層具有大小為x1×y1的m1個(gè)內(nèi)核。考慮到第t 幀，將它們卷積在序列Dt上，作為該卷積的結(jié)果來提取特征。FCN 的每個(gè)輸入?yún)^(qū)域都是由長(zhǎng)度為m1的特征向量所表示的。在此連續(xù)過程中，將mk個(gè)圖作為第k 層的輸出。 因此，第k 層輸出中的一點(diǎn)是對(duì)FCN 輸入中重疊的（x1×y1）th個(gè)感受野子集的描述。

在AlexNet 的修改版本中，層的順序表示為

其中，C 和S 分別表示的是卷積層和下采樣層符號(hào)，在最后還需要實(shí)現(xiàn)對(duì)卷積層以及下采樣層的全連接。

假設(shè)在網(wǎng)格Ωk上的Ck層中所生成區(qū)域特征向量為n 個(gè)區(qū)域特征向量（i1j1）…（injn）被標(biāo)識(shí)為顯示異常。Ωk中的位置（i，j）對(duì)應(yīng)于

即原坐標(biāo)系中的矩形區(qū)域部分。

下采樣（平均池化）層也可以被視為只有一個(gè)內(nèi)核的卷積層。之后，通過檢測(cè)原始幀所確認(rèn)的所有異常區(qū)域，均為部分重疊和大塊組合。這也是導(dǎo)致其定位性能較差的根本原因。

1.4 用于異常檢測(cè)的FCN 結(jié)構(gòu)

本節(jié)主要分析了一個(gè)預(yù)先訓(xùn)練好的且用于生成區(qū)域特征向量的CNN。僅應(yīng)用卷積層，本文中將CNN 的分類調(diào)整為FCN，其中選擇能夠代表視頻的最佳圖層是非常重要的一個(gè)環(huán)節(jié)，需要充分考慮到以下兩個(gè)方面的要素：

1）雖然更深層次的特征通常更具獨(dú)特性，但是在對(duì)這些更深層次的特征進(jìn)行實(shí)際應(yīng)用時(shí)是非常耗時(shí)的。此外，由于CNN 主要是用于圖像分類的，所以在對(duì)其開展更加深入的過程中可能會(huì)產(chǎn)生一系列用于圖像分類的過擬合特征。

2）越深入，所獲得輸入數(shù)據(jù)的感受野就會(huì)越大，結(jié)果定位不準(zhǔn)確的可能性就會(huì)相應(yīng)增加，甚至?xí)?duì)性能產(chǎn)生截然相反的影響。

對(duì)于FCN 模型的前兩個(gè)卷積層的處理，本文選擇了一個(gè)改版的AlexNet 且名為Caffe 參考模型。FCN 有3 個(gè)卷積層，為了便于找到最好的卷積層k，先把k 設(shè)為1，然后把它的值增加到3。但是需要明確的一點(diǎn)就是，當(dāng)最好的k 被確定時(shí)，即會(huì)忽略更深的卷積層。首先，使用C1層的輸出。想要實(shí)現(xiàn)對(duì)正常和異常區(qū)域的良好區(qū)分，所獲取的感受野尺寸相對(duì)較小，且生成特征不能夠得到良好結(jié)果。因此，這里有很多誤報(bào)。之后，C2的輸出會(huì)被作為更深的層使用。在該階段，能夠收獲比C1更好的性能，由于C1的輸入幀中有與之對(duì)應(yīng)且足夠大的感受野以及更深層次的特征，使其更具有辨別能力。當(dāng)k=3 時(shí)，將在C3層得到結(jié)果即為輸出數(shù)值。就算是增加了網(wǎng)絡(luò)容量，然而所得結(jié)果和第2 卷積層相比較差，通過增加一層，獲得了更深的功能。然而，由于網(wǎng)絡(luò)是為了ImageNet 才訓(xùn)練的，這些特征難免會(huì)與圖像分類任務(wù)過度擬合。因此，本文將C2輸出作為是提取區(qū)域特征。首先可以在卷積層的應(yīng)用下，描述分析各個(gè)生成的區(qū)域特征進(jìn)而進(jìn)行變換，然后使用稀疏自動(dòng)編碼器學(xué)習(xí)該層的內(nèi)核。這個(gè)新層稱為CT，它位于C2的上面CNN 的其中一層。一個(gè)預(yù)先訓(xùn)練好的CNN 加上一個(gè)額外的（新的）卷積層，這是本文用于檢測(cè)異常的新架構(gòu)。表1 給出了預(yù)訓(xùn)練的CNN 不同層的性能。

表1 評(píng)估CNN 卷積層以進(jìn)行異常檢測(cè)Table 1 Evaluation of CNN convolution layer for abnormal detection

2 實(shí)驗(yàn)與結(jié)果分析

為檢驗(yàn)本文所提算法的有效性和可行性，在UCSD 和Subway 兩種通用基準(zhǔn)數(shù)據(jù)集上對(duì)所提出方法的性能進(jìn)行評(píng)估。

2.1 UCSD 和Subway 數(shù)據(jù)集

UCSD 數(shù)據(jù)集中主要的動(dòng)態(tài)對(duì)象是步行者，人群密度變化過程即為從低到高，汽車、輪椅以及滑板等目標(biāo)即為導(dǎo)致出現(xiàn)異常的主要因素。在這一數(shù)據(jù)集中包含的所有訓(xùn)練幀都是正常的，并且只包含行人。該數(shù)據(jù)集有12 個(gè)序列用于測(cè)試，16 個(gè)視頻序列用于訓(xùn)練，分辨率為320×240。為了評(píng)估定位，所有測(cè)試幀的ground truth 都是可用的，異常幀數(shù)≈2 384，正幀數(shù)≈2 566。Subway 數(shù)據(jù)集包含兩個(gè)序列，分別是：記錄一個(gè)地鐵站的入口（1 h 和36 min，144，249 幀）和出口（43 min，64，900 幀）。進(jìn)出車站的人一般情況下行為正常。異常事件的定義即為人們?cè)诔鋈肟诨蜻M(jìn)入出口方面出現(xiàn)錯(cuò)誤方向移動(dòng)，或者是出現(xiàn)逃避付款行為。這一數(shù)據(jù)集也存在一定的局限性，即為異常數(shù)量少，并且存在可預(yù)測(cè)的空間定位。

2.2 評(píng)價(jià)方法

本文使用受試者工作特征曲線（ROC）、等錯(cuò)誤率（EER）和AUC 來評(píng)價(jià)所提算法與現(xiàn)有算法的優(yōu)劣。使用的幀級(jí)和像素級(jí)兩種測(cè)量方法，為區(qū)別幀是異常（正）還是正常（負(fù)）。定義措施如下：

1）幀級(jí)：如果一個(gè)像素被檢測(cè)到存在異常，則認(rèn)為它是異常的。

2）像素級(jí)：如果算法檢測(cè)到像素覆蓋至少40%的異常ground truth 像素，則認(rèn)為該幀顯示異常。

2.3 定性和定量結(jié)果分析

圖2 展示了這一系統(tǒng)在應(yīng)用，在UCSD 和Subway 數(shù)據(jù)集樣本上出現(xiàn)的輸出情況，可以實(shí)現(xiàn)對(duì)樣本中異常情況的正確檢測(cè)和定位。其中在應(yīng)用中的異常檢測(cè)系統(tǒng)問題主要集中在假陽性率較高上，在這一方法應(yīng)用下，出現(xiàn)的錯(cuò)誤檢測(cè)異常區(qū)域間如圖3 所示。在應(yīng)用中，出現(xiàn)假陽性原因主要為：場(chǎng)景過于擁擠，人們行走方向存在較大差異。因?yàn)樵谟?xùn)練視頻中沒有與其他行人相反的步行者，因此，本文的算法將該動(dòng)作也被視為異常。

圖2 本文方法在UCSD 和Subway 數(shù)據(jù)集上的輸出，紅色為異常區(qū)Fig.2 Output of the method on UCSD and Subway datasets.The red is the abnormal area

圖3 系統(tǒng)中誤報(bào)的一些例子Fig.3 Some examples of false report in the system

下頁圖4 給出了本文所提算法與其他方法在兩個(gè)數(shù)據(jù)集的幀級(jí)和像素級(jí)ROC 的比較。從ROC顯示，所提出的方法優(yōu)于UCSD 數(shù)據(jù)集中的其他方法，如圖4（a）和圖4（c）。Subway 數(shù)據(jù)集的幀級(jí)ROC 如圖4（b）所示。在此數(shù)據(jù)集中，對(duì)入口和出口場(chǎng)景中都進(jìn)行了評(píng)估。從ROC 結(jié)果可以看出本文所提的方法比文獻(xiàn)［9］和文獻(xiàn)［13］所提方法具有更好的性能。

圖4 幀級(jí)和像素級(jí)ROC 比較Fig.4 Frame level and pixel level ROC comparison

表2 比較了本文所提的方法和其他最新方法的幀級(jí)和像素級(jí)EER。本文所提算法的幀級(jí)EER為13%，其中，Tan Xiao 等人實(shí)現(xiàn)的最佳結(jié)果通常為12%［16］。除此之外，本文所提算法的表現(xiàn)均優(yōu)于其他方法。另一方面，本文所提方法的像素級(jí)EER 為16%，次佳結(jié)果為18%。在像素級(jí)EER 指標(biāo)中，本文所提方法優(yōu)于其他方法。

表2 在UCSD 數(shù)據(jù)集上進(jìn)行幀和像素級(jí)別比較的EER 結(jié)果Table 2 EER results of frame and pixel level comparison on UCSD dataset

表3 給出了該數(shù)據(jù)集的AUC 和EER 比較。在出口場(chǎng)景中，本次所提出的AUC 和EER 措施方面應(yīng)用方法和其他方法相比具有一定優(yōu)勢(shì)，其中在AUC 和EER 方面優(yōu)于0.51%和0.39%。在入口場(chǎng)景，這一方法在應(yīng)用中和其他所有方法相比，所提出方法的AUC 效果更好。

表3 Subway 數(shù)據(jù)集上的AUC-EER 比較Table 3 AUC-EER comparison on subway dataset

2.4 運(yùn)行時(shí)分析

表4 中給出本文所提出的用于處理單個(gè)幀的方法的運(yùn)行時(shí)詳細(xì)信息。用于檢測(cè)幀中異常的總時(shí)間約等于0.002 8 s，運(yùn)行效率明顯高于其他算法。

表4 運(yùn)行時(shí)的詳細(xì)信息（s/幀）Table 4 Runtime Details（s/frame）

表5 顯示了本文所提方法與其他方法相比的速度。本文使用的全卷積神經(jīng)網(wǎng)絡(luò)，同時(shí)執(zhí)行特征提取和定位，因此，大大提升了速度。

表5 UCSD 上的運(yùn)行時(shí)間比較（s）Table 5 Running time comparison on UCSD（s）

此外，通過將6 個(gè)幀組合成一個(gè)三通道輸入，本文所提算法僅需1 個(gè)前向通過就可以處理1 個(gè)視頻幀的立方塊。如前所述，為了檢測(cè)異常區(qū)域，本文僅處理兩個(gè)卷積層，對(duì)于某些區(qū)域，使用稀疏自動(dòng)編碼器對(duì)其進(jìn)行分類。處理這些淺層會(huì)減少計(jì)算量?；谶@些方法，除了并行處理完全卷積網(wǎng)絡(luò)外，與其他方法相比，本文所提算法具有更快的處理速度。

3 結(jié)論

針對(duì)擁擠場(chǎng)景下異常行為快速檢測(cè)問題，本文提出了一種新的用于視頻異常區(qū)域生成和描述的FCN 架構(gòu)。首先利用全卷積神經(jīng)網(wǎng)絡(luò)和時(shí)間數(shù)據(jù)，將一個(gè)預(yù)先經(jīng)過訓(xùn)練和監(jiān)督的全卷積神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)移到一個(gè)無監(jiān)督的全卷積神經(jīng)網(wǎng)絡(luò)，進(jìn)而確保能夠檢測(cè)全局場(chǎng)景中的異常，然后提出利用級(jí)聯(lián)檢測(cè)的方式來降低算法的計(jì)算復(fù)雜度，從而使其在速度和精度方面獲得較高的性能。仿真實(shí)驗(yàn)結(jié)果表明，本文所提方法具有定位快速、準(zhǔn)確的特點(diǎn)，在檢測(cè)和定位精度上優(yōu)于現(xiàn)有算法，且運(yùn)行速度更快。