智能视频监控中的人群运动分析是智能视频监控中的一个重要课题，被广泛地应用于人群管理、虚拟现实、智能监控、公共场所设计、智能环境模拟等领域。人群运动分析主要目的是通过检测、跟踪、识别场景中的运动人群，达到对人群行为的理解与描述。本文主要研究利用基于粒子视频算法来解决高密度下人群运动检测、分割及异常检测。主要研究工作与创新见解如下：1．针对在复杂几何场景、多目标遮挡、及低纹理区域，常见运动估计算法如光流估计和特征点跟踪容易存在漂移问题或者是跟踪丢失现象。本文采用一种新的运动估计算法—粒子视频算法来准确获取密集复杂场景下长周期运动序列的特征轨迹。2．实现了一个基于粒子视频的高密度人群运动轨迹聚类算法。由于粒子视频算法获取的粒子轨迹大多数是散乱的，为了分析场景中的人群运动行为，我们采用基于最长共同子序列的聚类方法自动识别场景中的主流运动。利用主流运动分析人群行为与异常检测。3．提出了一个基于粒子视频算法和有限时间李亚诺普夫指数场的高密度人群运动分割及异常检测算法。首先通过粒子视频算法得到粒子流图，利用粒子流图的空间梯度构建有限时间李亚诺普夫指数场，流场中的拉格朗日相干结构在归一化分割框架下能够分割不同运动特性的区域及进行异常检测。4．结合上述两种算法，完成了从基于对象和基于整体两个方向来研究人群行为分析，在基于对象的方法中，人群行为理解是通过对人群的某种分割或者对个体的检测来达到群体行为的分析。而在基于整体的方法中，把动态人群视为一个整体，而不是着眼于分析其中的每个个体。本文采用不同的算法实现上述两种方法，并进行比较。