近年来,人群聚集场景中的安全隐患逐年增加,频发的重大公共安全事件对人民的生命财产造成了巨大的损失。随着“平安社会”、“雪亮工程”、“中国天网”等重点项目的实施,视频监控设备已经进入人们生活的方方面面,监控设备产生了海量的视频数据。视频资源作为客观世界最直观的表达形式,在维护社会公共安全领域发挥着重要作用。然而,现有的视频监控设备无法实现对场景的智能化分析,在监控设备维护方面需要耗费大量的人力物力,监控设备的智能化程度还有待提升。因此,对基于视频内容的智能化分析技术的需求越来越高。如果能使用智能化视频分析技术,自动捕获视频场景中异常行为事件,就能够的对人群密集公共场景的安全事件进行预警提示。虽然基于异常行为检测的智能化视频分析技术具有重要的研究意义,但是,目前视频中人群异常检测仍然是一项非常具有挑战性的任务,存在较多难点有待解决。如视频采集场景多样、目标对象遮挡严重、视频中人群场景复杂、现有数据集无法定义多样的行为模式等问题。近年来,基于图像的任务已经取得了突破性的进展,但是基于视频的智能化异常分析任务仍然具有较高的挑战性。本文将对这些问题展开阐述。为了解决上述难点,本文提出了一种基于Lucas-Kanade的特征提取算法ST-LK,该方法在传统的Lucas-Kanade光流的基础上引入了离异点检测思想,跟踪光流变化幅度较大的局部光流特征点,并进行选择性跟踪。从而实现对光流变化显著特征点的追踪,完成异常光流特征的提取。此外,在ST-LK光流方法的基础上,本文提出了一种多特征融合模型,分别使用深度卷积自编码器和ST-LK光流方法提取图像的外观和运动变化特征。在局部异常目标选取方面,使用YOLO目标检测算法对场景中的目标候选框进行选取,训练深度卷积自编码模型并提取候选框ST-LK光流值,完成局部异常目标的检测。使用本文方法在两种公开数据集上进行全局和局部异常的检测实验,验证了本文提出方法的有效性。