近年来,随着经济的发展,在一些公共场合,人群聚集现象越来越频繁,人群密度过高时容易发生一些不可控的群体性事件,因此,对人群进行监控,及时发现人群密度过高和其他异常事件是非常关键的。本文针对人群密度异常和人群行为异常两方面进行研究,主要研究工作如下:1)一般的人群密度估计算法会受到人群遮挡的影响,很难对不同密度等级的人群进行准确估计。本文采用了基于前景像素的人数估计算法,首先,对场景进行背景建模,并对输入图像进行区域分割以减少透视效应的影响,再计算以人群为前景的像素大小,针对不同位置的前景使用不同的比例系数,并针对遮挡的问题,提出一种新的遮挡系数的计算方法。而后,针对纹理特征检测密度会受到背景的影响,采用了一种只检测前景图像的纹理特征的人群密度估计算法。2)对人群异常行为检测难度较大,因为异常本身很复杂而且异常种类很多,很难检测出所有的异常种类。因此本文以包含正常人群的样本为训练集,使用字典学习得到一个合适的字典。并使用字典对待测样本进行稀疏表示,根据稀疏重建能量值或者残差的大小对待测样本进行判定。异常样本的重建能量值和残差都较高,正常样本的值较低。由于一般的检测方法字典是固定的,难以满足视频数量增长带来的新的情况,因此本文提出了两种在线字典更新算法,第一种设置一个基于字典原子使用频率的权重系数,当某个原子权重低于阈值时替换掉该原子;第二种是在稀疏模型误检时,人工干预进行字典更新。随着对字典逐步地进行更新,提升了算法对于异常事件的判别能力。