1.一种基于自编码器的人群异常行为检测方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种基于自编码器的人群异常行为检测方法，其特征在于：所述伪异常生成操作是将获得的检测数据经过跳帧操作生成伪异常数据，具体生成过程包括：
3.根据权利要求1所述的一种基于自编码器的人群异常行为检测方法，其特征在于：所述网络模型包含三个部分，编码器、全局时空信息增强模块、解码器；所述编码器对输入视频帧进行局部时空特征提取并进行下采样；所述全局时空信息增强模块对编码特征进行全局时空特征提取；所述解码器用于恢复输入分辨率，实现对输入帧的重构。
4.根据权利要求3所述的一种基于自编码器的人群异常行为检测方法，其特征在于：所述编码器是利用steal-net作为主干网络来提取局部时空特征的，同时在下采样操作后加入全局跨通道特征提取模块获取全局依赖，减少因下采样导致的关键信息缺失。
5.根据权利要求4所述的一种基于自编码器的人群异常行为检测方法，其特征在于：所述全局跨通道特征提取模块的具体定义为：首先采用1×1的卷积和softmax函数获取注意力权重，将获取的注意力权重与原始特征进行矩阵乘法得到全局上下文特征；然后根据通道数选择核尺寸以捕获跨通道交互；最后采用加法操作将全局跨通道特征聚合到每个位置的特征上，具体定义如下式所示：
6.根据权利要求3所述的一种基于自编码器的人群异常行为检测方法，其特征在于：所述全局时空信息增强模块的具体定义为：以xt表示输入，经过transconv模块获得更具有代表性的特征再将与上一时刻的外部状态在通道维度进行拼接并进行卷积操作；最后对卷积后的输出进行切分操作得到遗忘门ft、输入门it、输出门ot和当前时刻的内部信息ct，门的取值是由非线性激活函数产生的，具体定义如下式所示：
7.根据权利要求6所述的一种基于自编码器的人群异常行为检测方法，其特征在于：所述transconv模块将卷积和transformer模块进行有效的结合，其既能最大程度地保留全局特征，同时注意到其中的局部细节信息，具体提取过程包括：编码器输出的特征首先经过两个三维卷积提取局部特征；然后经过平均池化层送入到transformer块中，对计算出的权重应用sigmod函数促进相关特征并抑制不相关的特征；最后与原始特征相加实现了特征的有效融合，促使模型利用不同层次的特征信息，定义如下式所示：
8.根据权利要求3所述的一种基于自编码器的人群异常行为检测方法，其特征在于：所述解码器采用多个上采样层，将潜在空间重构为与原始帧相同大小的输出。
9.根据权利要求3所述的一种基于自编码器的人群异常行为检测方法，其特征在于：所述网络模型的整体损失函数从最小化正常帧的重构误差和最大化伪异常帧的重构误差两方面展开，计算过程如下式所示：