ty -jour a2 -luo，yong au -yang，biao au -cao -cao，jinmeng au -ni -ni，rongrong au -zou -zou，ling py -ling py -2018 da -2018/09/03 ti- ti -ti -ti -ti -ti -2018/03 ti-通过时空自动码头和其他人群的异常检测注意SP -2087574 VL -2018 AB-我们通过学习使用深神经网络的生成模型提出了一种异常检测方法。提出了加权卷积自动编码器（AE-）长短期内存（LSTM）网络，以重建原始数据并基于重建误差执行异常检测，以解决复杂的定义和背景影响下在复杂的定义和背景影响下的现有挑战。卷积AES和LSTM分别用于编码输入帧的空间和时间变化。提出了加权欧几里得损失，以使网络能够集中精力移动前景，从而限制背景影响。使用强大的主组件分析分解从输入帧分割移动前景。与最先进的方法的比较表明我们在异常检测中的方法的优越性。通过实施网络专注于移动前景，可以改善异常检测的概括。SN -1687-5680 UR -https：//doi.org/10.1155/2018/2087574 DO -10.1155/2018/2087574 JF-多媒体PB的进步 - Hindawi KW -er -er -er -er-