在现代社会中,人口密度越来越大,在人群拥挤的场所,很容易发生重大的意外事故,造成人员伤亡。如果能够实现自动检测异常群体事件,并及时将这些异常事件报告给相关人员,就能够阻止很多悲剧的产生,因此,对异常群体事件的研究有着非常重要的意义和应用前景。经过分析可知,人群的行为非常复杂,要对其进行监控,必须提取群体事件的相关特征进行检测。首先,介绍了人群密度估计的各种研究方法及发展状况,并对它们进行比较。然后,介绍了光流的定义,并着重介绍了微分光流法和块匹配方法的基本理论,并对两种算法进行了比较。对群殴事件和聚集事件进行分析可知,群殴事件的人群密度大,运动强烈,运动方向杂乱无章;聚集事件的人群密度大,运动平缓,运动像素少,利用这几点不同,提出了一种异常群体事件检测算法来区分正常事件与群殴事件,聚集事件。首先应用基于像素统计的人群密度估计算法对视频序列中的人群密度状况进行估计,提取人群密度特征,然后采用微分光流法,对人群的运动状态进行估计,提取运动强度均值,运动方向直方图的方差和运动像素数三个特征,最后对测试视频进行分析,得到这四个特征的阈值,利用这些阈值对视频状态进行判断。经实验研究发现,异常群体事件检测算法所采用的特征能够很好的识别出群殴事件和聚集事件,在复杂场景下,对群殴事件和聚集事件的检测,有较高的查全率和查准率。