摘要：目前已有的視頻異常行為檢測學習模型在訓練過程中忽略了訓練集中存在的不平衡類現象,造成模型偏向于多數正常類,減弱了少數異常類的識別能力。提出基于欠采樣方法的不平衡類深度森林算法(IMDF),該算法首先采用欠采樣方法構建正例和負例數量均衡的訓練集分組,在每個分組上訓練決策樹。然后集成各組決策樹為完全隨機森林,將隨機森林預測結果合并后輸入至下一層神經網絡,建立深度森林級聯網絡結構。最后將IMDF應用于視頻異常行為檢測中,在UMN和UCSD數據集上的實驗結果表明IMDF算法具有較好地處理不平衡分類的能力,能夠有效檢測視頻異常行為。