1.一种异常动作的实时监控辨识方法，其特征在于，包括以下步骤：S10扩充样本数据并对样本进行灰度化处理；

S20将训练样本进行局部模范化运算处理；所述局部模范化运算处理方法具体如下：用 表示样本图像的第i行j列的像素， 表示 经过局部模范化运算之后得到的图像的第i行j列像素；

，

，

，

最终得到 ，

其中U、V表示局部模范化运算的窗口尺寸， 、 ， 表示样本图像的第i行j列像素的均值， 表示样本图像的第i行j列像素的方差，为常数；

S30构建复合型神经网络模型，所述复合型神经网络模型包含输入层、卷积层、数据压缩层、池化层、全连接层、输出层；

所述卷积层具有S个卷积核，任一卷积核用s表示，s={1,2,3,...,S}， 表示卷积核的大小、 为卷积核的步长；

经过卷积后的特征图尺寸为 ；其中，是指在原始图像周围补的圈数； 是卷积前图像的高度； 为卷积后图像的高度； 是卷积前图像的宽度；

是卷积后图像的宽度；

卷积层输出图像的第s个特征图的第 行j列的像素 由下列公式计算得到：；

其中， 为激励函数，且 ； 表示函数的扩展常数；则； 表示输入图

像的第s特征图的第 行 列的像素值； 、 分别为第s特征图的学习权重和偏置；

所述数据压缩层的神经元个数为Q，任一神经元用q表示；

用 表示卷积层输出的s个特征图i行j列像素的均值， 表示卷积层输出的s个特征图i行j列像素的方差；

均值与方差分别通过下列公式得到：，

将 进行数据压缩的计算公式为：，

表示数据压缩层输出的第q特征图i行j列像素，q={1,2,3,...,Q}， 和 为第q特征图的一对学习参数；

S40在实时视频监控过程中，如果复合型神经网络输出为Y=0时，则表示此时刻监控到的图像为正常动作图像，警报系统不工作；如果复合型神经网络的输出为Y=1时，则表示此时刻监控到的图像为异常动作图像，代表异常动作的发生，警报系统发出警报。

2.根据权利要求1所述的一种异常动作的实时监控辨识方法，其特征在于，所述步骤S10包括：采集历史监控图像数据作为原始图像，将原始样本图像分割成大小为g*b的子图像，然后在每个子图像的相对应的位置取每个子图像对应的像素，计算该样本图像对应所有位置子图像像素的平均值： ； 表示每个子图像对应的像素值， 表示该样本图像g*b个子图像像素的均值；

对原图像采用像素 组合的

形式进行重新采样；采用以上的样本扩充方法对所有原始图像样本进行扩充，生成总实验样本，将总的实验样本集分为训练样本和测试样本。