改进的生成对抗网络人体异常行为检测方法

来源：计算机工程与应用杂志2025年第5期北京时间：

作者：张红民, 郑敬添, 颜鼎鼎, 田钱前

单位：1.重庆理工大学 电气与电子工程学院，重庆 400054；2.重庆理工大学 两江国际学院，重庆 401135

摘要：基于生成对抗网络的重构模型在重构视频帧时可能对应较小的重构误差，此外预测和重构模型中的对抗性训练往往是不稳定的，影响模型的检测性能。针对上述问题，基于生成对抗网络提出一种同时使用预测器和判别器的双向预测网络检测视频中的人体异常行为。该网络的训练过程分为两个阶段：第一个阶段通过预测器提取输入视频帧的时间和空间信息，并引入注意力机制关注实际发生运动的区域，对正常视频帧序列的中间帧进行预测，同时保留训练过程中预测器的状态；第二阶段将判别器的角色从区分生成数据和真实数据改为区分预测帧质量的高低，判别器学会检测在生成异常输入的预测帧时经常出现的细微失真，提高了训练过程的稳定性和检测结果的准确性。该模型在用于视频人体异常行为检测的UCSD Ped2、Avenue和ShanghaiTech三个数据集上，帧级别AUC分别达到了98.7%、91.8%、84.6%。

关键词：生成对抗网络,人体异常行为,预测器,判别器