随着公共安全问题的日益突出和视频监控设备的普及,基于视频监控的人群异常事件检测能够及时发现人群异常,避免不必要的损失,因而在公共安全领域中具有重要研究意义。现实场景下大量监控存在视频数据无标签的情况,无监督学习算法比有监督学习算法更适用,但目前基于无监督学习的人群异常事件检测存在检测率低,异常事件漏检等问题。本文研究了基于视频监控中人群异常事件检测,提出了一种基于无监督的三维金字塔生成网络的人群异常检测方法。该方法融合图像序列时空特征以及不同尺度局部信息,并优化了网络的损失函数,得到生成正常图像的模型。在检测阶段通过模型生成的图像和待检测图像之间的差异进行异常检测。本文的主要工作和创新点如下:本文通过研究自编码、生成对抗网络及金字塔场景解析网络(Pyramid Scene Parsing Network,PSPNET)的图像生成算法,针对目前在人群异常检测中基于无监督学习的图像生成算法存在未考虑图像序列帧间运动信息以及图像不同尺度的局部信息丢失问题,提出融合PSPNET中金字塔池化模型和三维卷积神经网络(3D Convolutional Neural Network,3DCNN)来生成与正常图像相近的图像,其中3DCNN用于提取图像序列的时空特征,金字塔池化模型提取了不同尺度的局部信息。构建了基于三维金字塔图像生成的异常检测网络。该网络主要由三维金字塔图像生成模块、VGG16特征提取模块构成,用于在网络训练阶段得到生成正常图像的模型;为了进一步减少生成图与真实图之间的差距,改进了损失函数,利用生成图像和真实图像之间欧氏距离、梯度距离中加入VGG16提取的深度特征距离共同构成损失函数。在USCD ped、ped2和Avenue数据集中将本文方法与自编码、GAN和PSPNET方法进行了对比,实验结果表明本文提出的无监督方法能够提高人群异常的检测识别率,减少异常的漏检率。