进入21世纪以来,随着社会经济的发展、人口的增长、各类公共安全事件的频发,对公共场所人群行为的监控和管理已经成为智能视频监控中的热点问题。然而由于人群的遮挡、监控场景的复杂多变及行人行为的不可预测性,使得人群异常行为的识别及判断成为智能视频监控中的一个难点。为解决以上问题,本文提出一种基于运动矢量交点密集度的人群异常行为检测算法。当人群发生恐慌等异常行为时,人群本能地四处逃逸,此时人群运动矢量与人群正常时的运动矢量存在差异,这种差异使得人群异常时的运动矢量交点相对集中,因此本文利用这种交点特征来检测人群的恐慌行为。本文的人群异常行为检测系统主要包括图像去噪、运动信息检测和人群分类三个部分。第一部分,本文结合K-SVD滤波与中值滤波算法的优点提出快速K-SVD滤波算法来进行图像滤波去噪;第二部分,通过动态帧间间隔更新的方法降低金字塔LK光流法的算法复杂度,不仅有效检测出人群运动信息,且提高了算法运行效率;第三部分,通过SVM分类机来对视频中的人群行为进行分类。最后,在UMN公共视频集上应用本文所提方法进行了实验,实验结果表明:本文所提方法能够准确、有效、快速的识别视频中人群的异常行为。