面向视频场景的异常检测是计算机视觉领域中具有重要研究价值和广泛发展前景的任务,可被应用于安防监控系统、智能家居等产业中。异常检测的目的在于自动发现视频中不应该发生的、危害社会公共安全的事件并及时通知相关人员,从而解决传统视频监控中人眼观察效率低下、实时性不足等问题。近年来,随着深度学习技术的不断发展,一些异常检测算法取得了较大进展,例如基于重构的检测算法、基于视频帧预测的检测算法等。然而已有的算法中仍有一些问题尚未得到解决,主要表现在:1)算法鲁棒性不强,对噪声、光照变化等因素较为敏感;2)只对视频帧是否包含异常事件进行判断,忽略了异常事件的发生位置及发生原因等重要信息;3)视频画面中较小的、离镜头较远的人物行为往往被忽略。针对以上问题,本文提出了如下改进方法:（1）结合重构与预测的异常检测算法。该算法在端到端网络中依次对视频帧进行预测与重构,从而充分结合二者的优点。相对于重构方法,增加的预测模块能够进一步扩大异常视频帧对应的重构误差,使得异常事件更易被区分;相对于预测方法,增加的重构模块对预测得到的图像进行增强,提升了算法对于噪声的鲁棒性。实验结果表明,结合重构与预测的异常检测算法在取得更好性能的同时,也具有更强的鲁棒性,更符合实际应用的需求。（2）基于人体姿态预测的异常行为检测算法。该算法对未来人体姿态进行预测,通过比较预测得到的人体关键点坐标与实际检测值,判断对应人物是否处于异常行为中,同时获取异常事件的发生位置及发生原因等语义信息;由于人体姿态信息是非欧氏数据,该算法采用图卷积神经网络进行姿态预测,充分利用该网络强大的表达与泛化能力来提升预测性能;由于目标检测、人体姿态估计算法的进步以及运动分解方法的使用,该算法对较小的人物、光照变化和复杂背景等干扰因素都具有较好的鲁棒性。实验结果表明该算法的性能优于已有的异常检测算法。