1.一种基于网络节点能量传递的人物异常轨迹检测方法，其特征在于，包括以下步骤：步骤1、定义场景G，将G模型化为一个网络，具体如下：

步骤11、将G分成n*n个互不相交的网格，每一个网格代表网络中的一个节点，n为G中横向的网格数和纵向的网格数；

步骤12、在网络中两个不同的节点之间构建一条边，代表两个节点间能量传递的关系，定义边的权值为节点间能量传递的大小；

步骤2、输入人物的轨迹作为训练样本，对网络中不同节点间的边权进行动态更新，具体步骤如下：步骤21、设输入的轨迹起始点为s，终点为e；定义R(s,e)代表以s为起点，e为终点的轨迹中所经过的节点对的集合，即R(s,e)＝{(s,s1),(s1,s2),...,(sn-1,e)}，s1,s2,...,sn-1为轨迹所途经的节点；

步骤22、定义E(i,j)为连接第i个节点和第j个节点之间的边权，初始化相邻两个节点的边权为1，其它节点间的边权为0，通过计算轨迹途经节点对间传递的能量总和更新轨迹起点和终点的边权，更新公式如下：其中，i,j分别代表轨迹中第i个节点和第j个节点，E(s,e)代表轨迹起点和终点间的边权；

步骤3、重复步骤2对多个人物的轨迹进行训练，直到网络中每个节点对的边权都得到更新，并且更新次数达到训练的预设要求为止；

步骤4、输入一视频序列，检测视频中人物的运动轨迹是否存在异常；具体步骤如下：步骤41、将视频序列中的人物以其形状中心点来表示，形状中心点所在网格则代表该人物的起始位置st；

步骤42、记录视频中人物形状中心点的运动轨迹，若当前帧与下一帧的形状中心点位置的变化范围在阈值ε以内，则当前形状中心点所在的网格记为该运动轨迹的终点et，得到当前运动轨迹R(st,et)，其中，et作为下一轨迹开始的起点；

步骤43、计算轨迹R(st,et)传递的总能量为：

步骤44、比较T(st,et)与E(st,et)的大小，若T(st,et)＜E(st,et)则判断该轨迹为异常轨迹；若T(st,et)≥E(st,et)则判断该轨迹为正常轨迹；

步骤5、根据判断输入轨迹正常与否动态对网络模型的边权进行调整更新：若步骤4中检测的轨迹没发生异常，或出现了异常但该异常轨迹在预设的接受范围内，则采用公式(1)重新计算轨迹的起始点和终点的边权；若该异常轨迹不在预设的接受范围内则给予警告。

2.根据权利要求1所述的一种基于网络节点能量传递的人物异常轨迹检测方法，其特征在于，步骤1中将场景模型化为网络，将人物轨迹模型化为人物中心点在网络节点中的移动。

3.根据权利要求1所述的一种基于网络节点能量传递的人物异常轨迹检测方法，其特征在于，步骤4中人物形状中心点为人体的几何形心。

4.根据权利要求1所述的一种基于网络节点能量传递的人物异常轨迹检测方法，其特征在于，步骤4中通过判断T(st,et)与E(st,et)的大小关系判断轨迹R(st,et)是否异常。

5.根据权利要求1所述的一种基于网络节点能量传递的人物异常轨迹检测方法，其特征在于，步骤5中，对网络模型的边权进行调整更新，且更新权值为原来边权的值与轨迹能量总和的值的平均值。