Le modèle de détection d'anomalies vidéo non supervisé basé sur le style U-net offre de bonnes performances de détection, mais en raison de l'utilisation des convolutions ordinaires avec leurs caractéristiques locales inhérentes, l'encodeur de style U-Net ne peut pas extraire efficacement l'information contextuelle globale, et l'utilisation de simples connexions de saut n'obtient pas d'informations de caractéristiques efficaces. La fonction de perte L₂ utilisée ne considère que la différence au niveau pixel et ne peut pas capturer les caractéristiques structurelles de l'image. Par conséquent, un algorithme de détection d'anomalies vidéo combinant la convolution hybride et l'attention multi-échelle a été proposé, et la fonction de perte de similarité structurelle (SSIM) a été ajoutée pour optimiser le modèle. Plus précisément, un module de convolution hybride a été ajouté dans la dernière couche de l'encodeur pour mélanger les caractéristiques spatiales et positionnelles afin d'extraire l'information contextuelle globale. Un module d'attention multi-échelle a été ajouté dans les connexions de saut entre l'encodeur et le décodeur pour permettre au modèle d'extraire des caractéristiques plus précieuses et réaliser des connexions de saut efficaces. La fonction de perte de similarité structurelle avec contrainte paramétrique est utilisée conjointement avec la fonction de perte L₂ pour optimiser le modèle plus précisément. Les résultats expérimentaux montrent que l'algorithme proposé atteint des indicateurs AUC de 96,7 % et 86,1 % sur les ensembles de données publics UCSD-Ped2 et CUHK Avenue, avec une amélioration de 1,6 % et 1,4 % par rapport au modèle amélioré, ce qui prouve l'efficacité du modèle proposé.

information contextuelle;connexions de saut;convolution hybride;attention multi-échelle;similarité structurelle