随着社会经济的不断发展,人群密集的公共场所越来越多,如何对人群进行有效的监控已经成为公共安全中的突出问题。智能视频监控采用计算机视觉、图像处理和模式识别等技术对人群状态进行监控,可以有效的检测到人群中的异常行为。本文在研究分析群体异常行为检测相关技术基础上,设计了一种基于光流特征的群体异常行为检测方法。本文首先对现有的运动目标检测方法进行了研究分析,在检测运动目标时使用了混合高斯模型的方法,并对检测到的目标区域使用中值滤波器进行平滑去噪处理,可以得到连通性和准确度更为理想的运动目标区域。在对目标特征进行提取时,本文在研究分析Harris角点提取算法的基础上,设计了一种改进的多尺度Harris角点提取算法,使用该方法提取的特征点在数量上更加充足而且性质更加稳定。其次,在进行群体异常检测时,本文先使用金字塔Lucas-Kanade光流法对提取的特征点进行跟踪匹配,进而可以得到群体的光流场,通过光流场中的光流矢量信息提取群体的运动特征,本文提取的运动特征包括运动的平均动能和方向熵,将计算得到的运动特征值与预先设定的阈值进行比较来判断群体是否存在异常,在进行比较判断时本文采用连续五帧的运动特征值与阈值进行比较,如果连续五帧的值都大于阈值,则判断群体存在异常行为。最后,为了验证本文设计的群体异常检测方法性能,通过对UMN数据集进行实验测试,实验结果表明本文设计的群体异常检测方法在准确率和实时性方面都比较理想。