本发明涉及一种异常行为检测装置，该异常行为检测装置使用由摄像机拍摄的图像来检测人物等的异常行为。

为了应对犯罪发生率的增加等社会问题，以监视可疑人员为目的的摄像机的设置数量正在增加。在使用多台摄像机进行监视时，需要使用监视支援技术，使得有限的监视员能够有效地对整个监视区域进行监视。
作为上述监视支援技术，已知有日本国专利特开2006-79272号公报 (专利文献l)中所记载的"异常动作检测装置以及异常动作检测方法"。 在该专利中公开了被称为立体高阶局部自我相关特征(CHLAC)的运动图像的特征量提取方法。并且，该专利还公开了对图像中的人物的正常行为进行学习，并且将超出了所学习的正常行为范围的行为检测为异常行为的技术。
此外，在日本国专利特开2007-131382号公报(专利文献2)所记载的 "电梯的轿厢内监视装置以及监视程序"中公开了一种技术，其预先准备多个用来检测和判断摔倒和暴力行为等异常行为的判断装置，以根据电梯轿厢内的乘客数量来切换用于检测的判断装置。
专利文献1日本国专利特开2006-79272号公报专利文献2日本国专利特开2007-131382号公报在日本国专利特开2006-79272号公报所公开的现有技术中，其预先对正常行为进行学习，并根据该学习数据将超出了正常行为范围的行为判断为异常行为。该技术的优点是能够通过学习灵活地设定正常行为与异常行为的界限。但是，由于该方法以使用单一的学习数据进行学习为前提，因此无法处理因各种条件而导致正常行为与异常行为的界限发生了变动时5
的情况。例如，在判断是否存在会对他人造成伤害的危险性时，因人数的不同，正常行为与异常行为之间的界限可能会发生变化。在只有一个人时, 即使其动作粗暴，也不存在对他人造成伤害的危险性。因此，可以将该种情况视为正常。但是，如果有多个人存在，则上述粗暴动作对他人造成危害的危险性就比较大。因此优选将该种情况视为异常。而使用单一的学习数据进行学习的技术无法解决如上所述的问题。
此外，日本国专利特开2007-131382号公报所公开的现有技术能够根据人数来切换检测对象。但是，该技术需要对摔倒和暴力行为等检测对象的各种异常行为分别开发检测装置。而检测装置的开发一般需要以直观的方式对各种异常行为进行模式化，因此存在花费劳力并且难度较高等问题。