1.一种基于图神经网络的异常视频检测方法，其特征在于，所述方法，包括：
2.如权利要求1所述的图神经网络的异常视频检测方法，其特征在于，所述分别对所述注意力处理后的时间特征以及空间特征进行池化处理，以得到时间融合特征以及空间融合特征，包括：
3.如权利要求2所述的图神经网络的异常视频检测方法，其特征在于，所述将所述时间平均特征以及所述空间时间特征进行融合，以得到所述时间融合特征以及空间融合特征，包括：
4.如权利要求1所述的图神经网络的异常视频检测方法，其特征在于，所述将所述时间融合特征以及空间融合特征，分别输入至第二注意力模型中，以分别确定每个视频帧以及每个图像块对应的异常概率值，包括：
5.如权利要求1所述的图神经网络的异常视频检测方法，其特征在于，将所述视频片段以及所述图像块分别输入至时间分支网络以及空间分支网络中进行特征提取，以得到时间特征以及空间特征，包括：
6.如权利要求1所述的图神经网络的异常视频检测方法，其特征在于，所述第一注意力模型与所述第二注意力模型通过如下方式训练得到：
7.如权利要求6所述的图神经网络的异常视频检测方法，其特征在于，所述基于所述每个图节点的时间特征以及空间特征，对初始第一注意力模型以及初始第二注意力模型进行迭代训练，包括：
8.如权利要求7所述的图神经网络的异常视频检测方法，其特征在于，所述通过梯度下降法训练所述初始第一注意力模型以及初始第二注意力模型，包括：
9.如权利要求7所述的图神经网络的异常视频检测方法，其特征在于，所述根据所述带有真实标签的视频样本数据，构建时间与空间图结构，包括：
10.一种基于图神经网络的异常视频检测系统，其特征在于，所述系统，包括：