1.一种用于视频中暴力行为检测的训练数据增强方法，该方法包括以下步骤：S1：利用现有暴力行为公开数据集，或从互联网上采集包含暴力行为的视频；

S2：使用光流法对视频连续N帧图像进行光流检测；

使用光流法对视频帧进行光流检测的具体步骤包括：

S21：去除每帧图像中强度小于光流幅度阈值T1的光流矢量；

S22：将连续N帧图像的光流信息叠加，得到光流强度信息图；

S23：使用图连通性算法，获取图像的光流强度连通子图；

S3：使用预训练的CSR-Net人群计数网络，提取视频中连续N帧的人员分布概率信息；

提取视频中连续N帧的人员分布概率信息的具体步骤包括：

S31：抑制每帧图像中分布概率积分值小于预设阈值T2的图像区域；

S32：将连续N帧的概率信息叠加，得到人员分布概率信息；

S4：联合光流强度图与人员分布概率图，获取视频中最可能发生暴力行为的区域；

S5：对视频疑似暴力行为区域进行截取并输出，形成增强后的训练视频数据集。

2.根据权利要求1所述的视频中暴力行为检测的训练数据增强方法，其特征在于，步骤S2使用图像金字塔匹配的全局性稠密光流算法计算运动信息；假设某个强度为I(x,y,t)的对象在连续两帧之间强度恒定，当它以一个单位的时间移动dx与dy的距离时，其具有新的强度I(x+dx,y+dy,t+dt)，即满足以下公式：I(x,y,t)＝I(x+dx,y+dy,t+dt)

x，y是点的坐标，t是当前时刻；对等式右侧进行泰勒近似，可得其中 是图像沿水平轴的梯度， 是图像沿垂直轴的梯度， 是

沿时间的图像；求解方式基于Gunnar Farneback的稠密光流算法，检测两帧之间所有点的像素强度变化，即可得到其光流信息(u,v).本专利具体算法中，其每层金字塔间的上下两层尺度关系系数pyr_scale＝0.5，金字塔层数levels＝3，均值窗口大小winsize＝15，每张图进行3次迭代，像素邻域大小poly_n＝5，高斯标准差poly_sigma＝1.2，并使用输入流作为初始流的近似，其连续帧数N＝64。

3.根据权利要求1中，步骤S23所述的光流连通子图获取，其特征在于，其具有以下步骤：S231：将步骤S22获取的光流强度信息图进行二值化处理，其阈值为128；

S232：扫描二值化后的光流强度信息图，以获得光流强度连通子图；以P(i,j)表示图像在该点处的像素值，从图像起始点P(0,0)开始，标记连通子图，其包含以下具体步骤：S233：逐行扫描图像，若P(r-1,c)＝0且P(r,c)＝1则判定为光流团块起始点，若P(r-1,c)＝1且P(r,c)＝0则判定为光流团块的结束点，并为其设定唯一标识符RI；

S234：对于除第一行以外所有行的光流团块，若其与前一行中的已有团没有r值重合区域，即该光流团P(r,c-1)≠P(r,c)处处成立，则为其设定新的唯一标识符RI；

S235：对于除第一行以外所有行的光流团块，若其与前一行中有且仅有一个区域存在r值重合区域，则其获得与上一行重叠团块相同的标识符RI；

S236：对于除第一行以外所有行的光流团块，若其与前一行中的多个区域的r值有重合，则将该行区域与前一行所有重合团块的RI值统一改写为这些团块的最小RI值，作为一个连通域；

S237：对光流子图的光流强度进行求和，KRI≥1000的子图为暴力行为高危区域。

4.根据权利要求1中，步骤S5所述视频疑似暴力行为区域截取方法，其特征在于，将步骤S4中选取出的高危区域坐标进行规范化，取视频帧的左下角为(0,0)点，求取该高危区域的四个极点，即x轴与y轴坐标的最大最小值：Wmin、Wmax、Hmin与Hmax；根据后续使用该数据集的神经网络训练所需要的输入图像比例，以高危区域的中心点(Cx,Cy)为中心进行长宽等比扩张选取，选取框坐标表示为(xmin,ymin,xmax,ymax)，即矩形区域的左下角坐标与右上角坐标；

当xmin≥Wmin且ymin≥Hmin且xmax≥Wmax且ymax≥Hmax时，即可截取所选区域形成新的视频片段。