视频事件检测,就是通过计算机自动识别视频序列中感兴趣的事件,它是计算机视觉领域中颇具实用前景的应用之一。其中,聚众事件是复杂场景中多人参与的一种异常事件,也是事件检测研究中的一个难点,目前,国内研究相对较少。本文研究视频聚众事件的检测,重点研究聚众事件的描述和建模。在分析目前已有描述方法的基础上,首先引入场景分块的思想,即将场景分割成不同的区域,并用区域中的人数和他们的总体运动速度作为描述聚众事件的特征。这种方法不仅较好地描述了聚众事件,而且避免了复杂场景中的多人跟踪问题。其次,针对光流法计算量过大、对干扰较敏感等不足,采用一种“加权累加图像法”提取速度特征,大大减少了计算量,提高了系统的实时性,并具有一定的鲁棒性。由于采用隐马尔科夫模型(HMM)结构及算法对聚众事件进行建模,存在过于敏感、容易产生溢出等缺点,因此本文引入分层隐马尔科夫模型(LHMM)模拟聚众事件,既提高了系统分析复杂事件的能力和系统的可靠性,又降低了误检率,具有较好的检测效果。实验和测评结果表明:采用以上聚众事件描述和建模方法,具有较高的检测率、较低的误检率,以及较好的鲁棒性和很好的实时性。