摘要
近年来，监控视频中的异常检测引起了广泛关注。尽管现有先进方法在公开数据集上的表现已具备竞争力，但其通常需要大量训练数据。此外，当新数据可用时，这些方法缺乏有效的机制以持续更新已训练模型。同时，在线决策能力在该领域中至关重要，却鲜有研究予以重视。针对上述研究空白，本文提出一种基于迁移学习与零样本学习（any-shot learning）的在线异常检测方法，显著降低了训练复杂度，并能够仅依赖少量标注的正常样本即可实现异常检测。所提出的算法充分利用了基于神经网络模型的特征提取能力以实现迁移学习，同时结合统计检测方法的零样本学习能力，从而在实际应用中具备更强的适应性与效率。