代码运行过程如下：
- 下载数据集：
Avenue Dataset for Abnormal Event Detection
UCSD Anomaly Detection Dataset
- 解压两个数据集：
建议使用Avenue数据集进行训练与测试
- 安装ffmpeg
下载地址：ffmpeg
windows下将其下载下来解压，并将bin目录配置path中！
linux下安装：sudo apt-get install ffmpeg
mac下安装：brew install ffmpeg for macOS
- 数据集处理
这里以Avenue为例：将数据集中的训练与测试集数据分别拷贝到train与test文件夹！
【training.npy】
然后分两次运行process.py，第一次运行如下：
进入process.py，将np.save('training.npy',imagestore)打开，注释掉np.save('test.npy',imagestore)！
运行
python3 processor.py ./train 5然后会在train目录下得到frame图片，以及得到training.npy文件！
【test.npy】
再次进入process.py，将np.save('training.npy',imagestore)注释，打开np.save('test.npy',imagestore)！
运行
python3 processor.py ./test 5然后会在test目录下得到frame图片，以及得到test.npy文件！
- 训练
python3 train.py n_epochs(enter integer)举个例子：
python3 train.py 10 # 根据论文提示，最大不要超过50！运行后得到AnomalyDetector.h5模型！
- 测试
运行test.py
python3 test.py- 应用
运行模型在现实摄像头领域！
python3 start_live_feed.py 'AnomalyDetector.h5'参考地址：https://github.com/blackeagle01/Abnormal_Event_Detection