人群异常事件检测研究通过计算机自动识别监控场景中发生的异常事件并及时报警。本文对人群异常检测事件中人群之间存在阴影和异常种类多样的问题进行了研究,提出了基于分块ViBe和特征融合的人群异常事件检测方法,主要工作和创新点包括:目标检测阶段,本文针对视觉背景提取(visual background extractor,ViBe)检测方法中目标存在的阴影问题,提出了基于分块的ViBe算法。首先根据ViBe检测结果对当前帧分块,划分前景块图和背景块图,再对前景块图和背景块图分别计算HOG特征,通过HOG特征对误判为前景块的背景块进行再次判断,然后将前景块图和背景块图从RGB空间转换到HSV颜色空间,扫描前景块3?3邻域,统计邻域内背景块中像素V分量值,通过对这些值进行计算,得到邻域内的背景阈值。最后对当前前景块逐像素与背景阈值比较,低于阈值的像素为需要去除的阴影点。特征提取阶段,融合光流运动向量和纹理特征向量构成图像特征向量。通过统计图像所有块的光流方向直方图,对所有块的光流方向直方图按照水平和垂直方向进行级联,构成光流运动向量;采用高斯金字塔多尺度图像集合,利用尺度不变局部三值模式(Scale Invariant Local Ternary Pattern,SILTP)对每个尺度的图像块计算SILTP,统计每块的SILTP直方图,将所有块的直方图向量串联构成纹理特征向量。图像特征向量输入SVM分类器进行分类与识别。本文方法在UCSD和UMN两个异常事件数据库上进行实验,评价指标采用ROC曲线和AUC值。实验结果表明,本文方法可以有效检测出数据集中发生的异常事件。