1.一种基于双生成器与通道注意力机制的视频异常检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于双生成器与通道注意力机制的视频异常检测方法，其特征在于，所述步骤s2中噪声生成器包括噪声模块、生成器和二阶通道注意力模块，噪声生成器共训练两次，第一次对不含噪声模块的生成器进行训练，第二次对加入噪声模块的噪声生成器进行训练，训练方法为：生成器通过与鉴别器之间相互对抗进行训练，使生成帧无法被鉴别器区分为异常，在得到训练好的生成器后，固定生成器的参数，并在生成器中加入噪声模块，再次与鉴别器进行生成对抗，更新噪声模块的参数，得到噪声生成器。
3.根据权利要求2所述的一种基于双生成器与通道注意力机制的视频异常检测方法，其特征在于，所述步骤s2中生成器采用自编码器网络，由编码器以及解码器构成，对于生成器的训练方法为：
4.根据权利要求3所述的一种基于双生成器与通道注意力机制的视频异常检测方法，其特征在于，所述步骤s2中噪声模块由三层全连接结构的自编码器构成，包括噪声模块a和噪声模块b，通过噪声模块对噪声生成器的训练方法为：
5.根据权利要求1所述的一种基于双生成器与通道注意力机制的视频异常检测方法，其特征在于，所述步骤s3中重构生成器的训练方法为：在重构伪异常帧和重构正常训练视频帧中分别加入最大约束函数和最小约束函数，使重构伪异常帧、重构真实帧与真实帧产生对抗，拉远重构伪异常帧与真实帧的距离，拉近重构真实帧与真实帧的距离。
6.根据权利要求5所述的一种基于双生成器与通道注意力机制的视频异常检测方法，其特征在于，所述步骤s3中重构生成器由自编码器与二阶通道注意力模块共同组成，其中自编码器由编码器和解码器两部分组成，采用u-net作为其网络结构，具体训练过程为：将伪异常帧与真实帧分别输入重构生成器中，首先进入编码器模块，通过多次卷积池化处理后得到每层不同尺寸不同通道数的潜在特征；其次将每层潜在特征输入二阶通道注意力模块中学习相互依赖、密切度更高的关联信息，得到信息关联度高的特征；将每层的特征经过跳跃连接与解码器上采样后得到的每层重构特征进行拼接，最终得到与输入帧尺寸相同的重构帧；在得到重构伪异常帧与重构真实帧后，在其与真实帧之间进行最大最小约束，与真实帧产生对抗，最大化重构伪异常帧与真实帧之间的距离，最小化重构真实帧与真实帧之间的距离。
7.根据权利要求6所述的一种基于双生成器与通道注意力机制的视频异常检测方法，其特征在于，所述步骤s3中通过二阶通道注意力模块得到信息关联度高的特征的具体过程为：
8.根据权利要求1所述的一种基于双生成器与通道注意力机制的视频异常检测方法，其特征在于，所述步骤s2中利用表观约束对噪声生成器进行优化，表观约束分为梯度约束lgc与强度约束lsc，其公式如下所示：
9.根据权利要求5所述的一种基于双生成器与通道注意力机制的视频异常检测方法，其特征在于，所述步骤s3中采用最大约束函数和最小约束函数对重构生成器进行优化，具体为：
10.根据权利要求9所述的一种基于双生成器与通道注意力机制的视频异常检测方法，其特征在于，所述步骤s4中重构误差的计算公式为：