计算机工程与应用

作者：冯爽爽, 范莎, 邓超

单位：1.南京邮电大学 碳中和先进技术研究院，南京 210023；2.南京邮电大学 自动化学院 人工智能学院，南京 210023；

关键词：行人异常行为检测,生成对抗网络,卷积块注意力模块,多尺度增强模块,异常得分

基金：国家自然科学基金（62303241，62203233）；江苏省青年科学基金（BK20220393）。

针对行人异常行为检测中存在样本不均衡、目标尺度变化较大和背景干扰的问题，提出了一种基于多尺度增强生成对抗网络的行人异常行为检测方法。利用改进的U-Net作为生成器的主干网络，将卷积块注意力模块嵌入生成器的解码过程，降低背景的干扰，实现对检测目标的特征提取和重构。在生成器的跳跃跨接中引入多尺度特征融合增强模块细化对不同目标的表达能力，并结合记忆模块设计多尺度记忆特征增强模块提高对正常行为的重构表现。进一步对损失函数进行改进，结合异常得分，完成对行人异常行为的检测。在UCSD Ped2、CUHK Avenue、Shanghai Tech三个数据集上测得该算法的AUC分别为98.6%、88.7%和77.3%，实验结果表明了该算法在不同场景中针对行人异常行为检测具有良好的检测效果。

来源：2026年第4期

《计算机工程与应用》期刊编辑部

查看计算机工程与应用杂志2026年第4期