本文针对人群密集场景中的异常检测问题展开研究。我们提出一种基于生成对抗网络（Generative Adversarial Networks, GANs）的方法，该网络通过使用正常帧及其对应的光流图像进行训练，以学习场景正常状态的内在表征。由于我们的GAN模型仅使用正常数据进行训练，因此无法生成异常事件。在测试阶段，将实际输入数据与GAN重建得到的外观表征和运动表征进行对比，通过计算局部差异来检测异常区域。在多个具有挑战性的异常检测数据集上的实验结果表明，所提出的方法在帧级和像素级异常检测任务中均优于当前最先进的技术。