智能视频监控是计算机视觉一个新兴的应用方向。计算机视觉中对于事件检测问题的研究,既是一个热点又是一个难点。本文根据广西千亿元产业重大科技攻关工程项目《车载雷达前向防撞报警系统》和广西科学基金项目《基于图像传感器阵列的智能视频监控系统研究与开发》的研制要求,主要重点研究聚众事件的检测与实现问题。　　在分析了目前已有的异常事件检测方法的基础上,将熵值用于聚众事件检测。该方法以光流法为基础计算每一帧的熵值,当熵值大于一定阈值时,即认为聚众事件发生。同时,针对其在聚众事件检测中的缺点,提出了当场景中的前景大于一定阈值时,才使用光流法计算该帧熵值,判断是否有聚众发生。这种方法相对于先前每一帧直接光流法计算熵值的方法处理速度有很大提高。最后通过大量实验验证,增加距离后的熵值算法在聚众异常事件检测中是有效的,但它不能满足实时性的要求。　　针对已有分层隐马尔科夫模型(LHMM)聚众事件检测方法对于一类类似聚众事件不能正确加以区分,但该方法具有很好的实时性。本文提出了将已有的LHMM和熵值相结合的聚众事件检测方法,即当满足LHMM发生聚众事件的阈值条件时,再使用光流法计算该帧的熵值,当熵值也同时大于一定阈值时,即认为聚众事件发生。由于类似聚众事件具有较强的方向性,导致它的熵值与聚众事件熵值相差较大,这为实验中正确区分聚众事件与类似聚众事件提供了有利条件。　　同时,在图像预处理中,使用直方图均衡化对视频帧做适当的光照补偿;在提取前景中的目标时,使用物体的长宽比,消除场景中一些其它物体对检测结果的影响,提高检测率。　　大量实验结果显示,本文提出的LHMM和熵值结合的聚众事件检测的方法具有很好的检测率、很好的实时性和鲁棒性,具有更广泛的应用场所。