随着人工智能技术的蓬勃发展尤其是以深度学习为代表的基础理论与工程实践的突破,智慧城市及安防相关产业也出现了跨越式发展,其中一个重要应用是智能视频监控系统。监控视频中的异常事件检测又是其中一个非常重要但是非常困难的任务,近期已经有非常多的方法被提出来解决这个问题。之前的方法要么只考虑单方面的外观或运动信息,要么仅仅只是在测试阶段直接整合外观和运动信息的决策结果而不考虑这两个模态内在的一致性关联语义。受人类识别异常事件的启发,本文提出了表观运动记忆一致性网络（AMMC-Net）,通过显式建模表观-运动双模态信号中的先验信息的一致性语义来检测视频中的异常事件。考虑到原始特征中混杂了表征正常语义的先验信息和每一帧自身的特异性信息,而只有先验信息才存在一致性语义。我们的方法首先提出一个基于离散字典模块增强的视频预测框架来建模正常事件中表观运动两个模态的先验特征,并且保存在各自的内存池中。又考虑到单个内存项不足以表征查询向量的信息,我们采用了多个内存项。其次我们设计了一个双向的映射网络实现两个模态的先验信息之间的相互表达与融合,即建模了两个模态之间的一致性语义,获得了两个模态各自的语义一致性特征。最后考虑到先验特征丢失了原始特征信息,我们分别将两个模态的原始特征、先验特征、语义一致性特征三者结合到一起,获得对正常事件两个模态更本质更强大的特征表达,这可以大大增加异常和正常事件的区分度;在异常检测阶段,考虑到之前方法中只考虑像素空间上的像素预测误差很容易被背景抖动以及噪声影响,我们考虑在特征空间引入语义一致性误差来增强异常检测的性能。具体来说,我们通过一个权重参数线性结合了特征空间的特征语义一致性误差以及像素空间上的像素预测误差并在所有测试帧范围内做归一化来构建最终的评估指标,用以增强检测精度。在模型优化阶段,我们使用两阶段训练策略来优化整个模型,提出了指数滑动平均方法来优化内存池模块。最后在实验阶段我们在多个大型公开基准数据集上执行了大量充分的量化对比实验,验证了本文方法与对比方法的优势,实现当前最好的异常检测性能。最后本文执行了大量的消融实验,通过移除相应模块计算最终的指标分数,可靠的实验结果证明了本文方法各个模块的有效性。