公共场所人群逃逸行为极易引发严重的公共安全灾难事故，传统计算机视觉技术能检测其少许特征，但面对复杂动态视觉场景捉襟见肘。针对该问题，基于蝗虫视觉神经结构特性、借助蝗虫小叶巨型运动检测器（LGMD）危险感知机理、哺乳动物视网膜流明自适应机制，提出一种增强型人群逃逸检测神经网络（ECEDNN）。所提出的神经网络采集视野域中人群活动引发的流明变化；借助哺乳动物视网膜流明自适应机制，调谐视觉响应兴奋以适应光照场景；视觉兴奋与抑制混合过滤背景噪声并采用中心环绕机制增强运动边缘；最后，神经尖峰自适应调谐用于实现对人群突发逃逸行为的检测并对其输出强烈膜电位兴奋。论文工作涉及生物视感机制启发的人群活动检测研究，可为人工智能中的人群行为活动感知、异常检测等提供新思想、新方法。