智能监控技术是人工智能领域的研究重点与难点,对视频监控中的人群行为进行检测与分析是智能监控系统的主要内容之一,通过提取视频图像中人群的运动特征来描述与分析人群运动状态。当检测到有异常行为发生时能够及时准确地发出警报,从而防止危害人身安全的事故发生。本文的研究重点是如何准确地检测大规模人群局部逆行与局部运动不稳定行为。首先,使用基于Lucas-Kanade改进的金字塔光流算法处理人群视频序列帧,得到人群速度矢量场,将人群速度矢量场中每一个速度矢量看作人群网络节点。其次,依据速度矢量点积公式求取的两速度矢量间的夹角作为一定条件确定速度矢量间关联关系,并用该值定量评估两者间关联程度,从而构建人群加权网络模型,得到表示人群运动信息的邻接矩阵。进而,分析大规模人群局部逆行场景和局部运动不稳定场景的人群加权网络模型,提取人群加权网络节点强度作为特征参数构建二维特征矩阵,进而检测大规模人群局部逆行和局部运动不稳定区域。最后,本文对数据库中两类人群场景的多组视频进行了实验,结果表明,人群局部逆行和局部运动不稳定区域处的节点强度值更大,根据节点强度值将局部异常运动区域检测出来。关于局部运动不稳定区域的检测,本文与一种利用拉格朗日粒子动力学检测流不稳定性的算法进行对比,结果显示,本文算法得到的结果更加接近真实值。