基于视频的人群异常状态检测是指在大规模人群的公共场所,对群体性事件进行行为状态分析,判断其是否存在人群异常事件发生的检测方法。本文主要针对群体性异常事件进行检测,采用人群运动信息和人群密度信息相结合的人群异常状态检测算法。主要研究工作如下:1)论文针对提取人群运动状态信息计算复杂度高的问题,首先采用高精度光流算法获得人群的运动矢量,然后利用运动方向分布直方图获取人群运动的方向特征,并利用运动矢量强度分布获取运动强度特征,采用运动矢量强度特征和运动方向分布直方图相结合的方法描述人群运动状态信息,有效降低了计算复杂度,同时保障人群运动状态特征的描述准确性。2)为有效利用视频帧的灰度空间统计信息和边缘特征信息,论文分别对视频帧的灰度图像和梯度图像提取基于局部二值模式的共生矩阵,并采用对比度、能量、熵和相关性等参数来描述人群密度信息,提高了人群密度特征描述的有效性。3)论文将人群运动状态特征和人群密度特征相结合,采用支持向量机检测人群异常事件。实验结果表明,该算法在保障人群异常检测准确性的前提下,有效降低了计算复杂度。