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智能分析，判断其是否存在人群踩踏、打架斗殴、骚乱等异常事件的检测方法。传统的视频监控完全依赖人为的分析和处理，其有效性和快捷性很难得以保证，因而基于视频的人群异常状态智能检测方法显得尤为重要。由于群体事件的复杂性，人群遮挡、光照、噪声等影响使得人群特征难以充分提取，因而人群异常状态检测是一个亟待解决的问题。本文主要针对群体打架斗殴、骚乱等人群事件进行检测，提出了基于相互作用力和局部二值模式共生矩阵的人群异常状态检测算法，研究内容涉及人群运动状态信息提取、人群密度估计、特征分类等。主要研究工作如下：1）针对提取人群运动状态信息中存在对人群运动方向和速度信息提取不准确的问题，采用高精度的光流算法，并结合社会力模型提取相互作用力，有效获得了复杂环境下人群粒子的运动速度及方向；提出了采用相互作用力方向投标直方图描述人群运动状态特征，提高了人群运动状态特征描述的准确度，降低了计算复杂度，该方法对光照和噪声有较强的鲁棒性。2）根据局部二值模式具有的灰度不变特性，以及对图像局部纹理特征的良好表达等特点，分别在灰度图和梯度图上采用局部二值模式共生矩阵算法进行人群密度估计，充分利用灰度图的空间统计信息和梯度图的边缘特征信息，两者相互结合补充，并采用能量、对比度、熵、相关性等参数来表征人群密度信息。此种方法提高了人群密度特征描述的有效性。3）提出了将人群密度信息特征与人群运动状态信息特征相结合的人群异常状态检测算法来检测打架斗殴，骚乱，踩踏等人群异常事件，该方法将人群运动行为和人流量相结合来检测人群异常行为状态，能有效描述人群事件特征。实验结果表明，本文提出的算法提高了人群异常状态检测的准确性。