1.一种基于可解释时空自编码器的视频异常检测方法,其特征在于,包括以下骤:对视频进行预处理的步骤；对处理后的数据进行特征学习的步骤,其中,所述特征学习包括基于可解释时空自编码器的深度学习模型,并获取重构视频序列；对重构的视频序列进行规则性分数计算的步骤；将计算的规则性分数与预定义的阈值进行比较,判断是否发生异常的步骤。2.根据权利要求1中所述的方法，其特征还在于，包括可视化卷积核的步骤，其中，所述可视化卷积核包括计算卷积核中神经激活的感受野，并将其放大到图像分辨率。3.根据权利要求1或2中所述的方法，其特征还在于，所述基于可解释时空自编码的深度学习包括将经过预处理的视频序列先后经由空间编码器、时间自编码器和空间解码器处理，其中，所述空间编码器由至少2层可解释卷积层组成，所述时间自编码器由至少3层可解释卷积LSTM层组成，以及所述空间解码器由至少2层反卷积层组成。4.根据权利要求3中所述的方法，其特征还在于，所述空间编码器的2层可解释卷积层第一层设定为11*11，步长为4，含128个卷积核，第二层设定为为5*5，步长为2，含64个卷积核。5.根据权利要求3中所述的方法，其特征还在于，所述空间解码器的2层反卷积层第一层设定为5*5，步长为2，含128个卷积核，第二层设定为11*11，步长为4，含1个卷积核。6.根据前述任一权利要求所述的方法，其特征还在于，所述可解释卷积层和/或可解释卷积LSTM层中包含至少一个遮罩，并从至少一个遮罩中选择特定的遮罩过滤噪音激活。7.根据权利要求6所述的方法，其特征还在于，所述从至少一个遮罩中选择特定的遮罩是通过计算对象部位上的最优激活位置来选择。