摘要：视频监控作为维护公共安全的重要的防范手段，目前已经得到了较为广泛的应用。然而传统的视频监控技术排查异常事件耗时耗力，因此发展智能视频监控系统是大势所趋。目前异常行为检测是当下智能视频监控的研究热点之一，随着深度学习的发展，该领域越来越受到关注，其具有广阔的应用前景和现实意义。

本文围绕监控视频下的各种异常行为采用深度学习的方式进行检测研究。首先，介绍了异常行为检测中使用到的异常行为数据集、PyTorch深度学习框架和评价网络性能的指标。其次，完成基于生成对抗网络的异常行为检测模型的建立、实验与分析，在数据集上验证了网络的有效性。最后，为了优化检测性能，提出了基于残差判别网络的方法。实验结果表明，该方法能够有效提高异常检测的性能。

关键词：智能视频监控；异常行为检测；生成对抗网络

目  录

摘  要

ABSTRACT

第一章  绪论-1

1.1 课题研究背景及意义-1

1.2 异常行为检测研究现状-1

1.3 异常行为检测的难点-3

1.4 本文的结构安排-3

第二章  相关技术基础-4

2.1 引言-4

2.2 光流-4

2.3 生成对抗网络-5

2.4 深度学习框架-6

2.5 数据集和性能评价指标-6

2.5.1 性能评价指标-6

2.5.2 异常行为数据集-7

2.6 本章小结-8

第三章  基于生成对抗网络的异常行为检测研究-9

3.1 引言-9

3.2 生成对抗网络模型结构-9

3.2.1 生成器网络结构-11

3.2.2 判别器网络结构-12

3.2.3 网络的损失函数-13

3.3 实验与分析-14

3.4 本章小结-17

第四章  基于残差判别网络的异常行为检测研究-18

4.1 引言-18

4.2 峰值信噪比评价的问题-18

4.3 残差判别网络-19

4.4 实验与分析-20

4.5 本章小结-22

第五章  总结与展望-23

参考文献-24

致  谢-26