近些年，许多利用人体骨架图检测视频异常的研究在描述人体骨架连接强弱时，只考虑到直接相连的节点，关注的运动区域较小且忽略了局部特征，很难准确检测行人异常事件。为解决以上问题，提出一种基于骨架图与混合注意力的视频行人异常检测方法（PAD-SGMA）。首先，扩展骨架点之间的关联，连接根节点与未直接相连的节点，并划分人体骨架图，获取人体骨架局部特征，在图卷积模块中利用静态全局骨架、局部区域骨架和基于注意的邻接矩阵来捕获层次表示；其次，提出新的时空通道混合注意图卷积网络，增加混合注意力模块，关注空间和通道关系，帮助模型增强区分特征且不同程度地关注每个关节。为了验证所提模型，在大规模的公开标准数据集ShanghaiTech Campus上进行实验，结果表明，与GEPC（Graph Embedded Pose Clustering）相比，PAD-SGMA的AUC（Area Under Curve）提高了0.018。
