1.一种异常行为检测方法，其特征在于，包括以下步骤：

1）输入测试行为类别的视频序列 、已知行为类别的视频序列 ；分别将两个序列拆分为若干个完整的子行为序列 ；其中，表示视频序列 可拆分的子行为序列数量， 表示视频序列 可拆分的子行为序列数量， 表示视频序列 的第 个子行为序列， 表示视频序列 的第 个子行为序列；

2）将子行为序列依次输入高维空间 中进行映射，表示为 、 ，并获得与 的相似度矩阵，、分别为子行为序列 、的高维空间映射值；

3）通过相似度矩阵的最小化距离寻找出 与 的行为循环对齐点 ，输入 与视频序列到卷积层，获得所述测试行为类别的视频序列的特征向量，并将该特征向量输入Softmax激活函数，得到视频序列 的预测行为类别；若在当前已知行为类别中无法找到该预测行为类别时，则将视频序列 视为异常行为序列。

2.根据权利要求1所述的异常行为检测方法，其特征在于，还包括：A）获取各类已知行为类别的视频序列的高维空间映射平均值 与 的距离，其中，为当前已知行为类别的类别数量， 为第 类类别的已知行为类别的视频序列的高维空间映射值的平均值；

B）若 中最小值 小于或者等于距离阈值，将第 类行为类别作为视频序列 的预测行为类别，并将该预测行为类别与视频序列 保存至已知行为类别中，结束；若 中最小值 大于距离阈值，则将视频序列 的预测行为类别设置为未知行为类别，并将该未知行为类别与视频序列 保存在未知行为类别中，进入步骤C）； 的取值范围为 ；

C）将已知行为类别和未知行为类别中视频序列聚类为 ，其中 表示聚类后的行为类别的类别数量，表示聚类后的第 类已知行为类别；对于未知行为类别的视频序列，根据其与已知行为类别的视频序列的高维空间映射距离 设置量化类别权重 ；将未知行为类别量化为各类已知行为类别乘以量化类别权重 的集合，将量化后的未知行为类别称为伪类别；

D）若相同伪类别的视频序列能再一次聚类到同一簇类别中，则将该伪类别作为视频序列的预测行为类别，并将该预测行为类别与视频序列保存至已知行为类别中。

3.根据权利要求2所述的异常行为检测方法，其特征在于，所述距离阈值设置为0.3。

4.根据权利要求2所述的异常行为检测方法，其特征在于， ，其中，，其中， ，且当 时，设置 。

5.根据权利要求2～4之一所述的异常行为检测方法，其特征在于，循环对齐点 的计算公式为： ，其中 ， ；

， ， ， ， ， 、 分别为子行为序列 、的高维空间映射值。

6.一种异常行为检测系统，其特征在于，包括计算机设备；所述计算机设备被配置或编程为用于执行权利要求1～5之一所述方法的步骤。

7.根据权利要求6所述的异常行为检测系统，其特征在于，所述计算机设备包括边缘服务器和云端；所述边缘服务器被配置为用于执行权利要求1所述的步骤，并输出异常行为序列的高维空间映射值至所述云端；所述云端被配置为用于执行权利要求2～5之一所述方法的步骤。

8.根据权利要求7所述的异常行为检测系统，其特征在于，所述云端还用于将已知行为类别传送至所述边缘服务器。