伴随着计算机视觉技术和智能分析技术的发展,智能视频分析的研究也在不断地完善和提高,视频中的人群行为分析和研究成为一个热门的研究方向。人群行为的分析和研究可以应用在多种场景中,例如:智能视频监控中对人群的突发意外情况进行监测和预警;大规模人群活动中对人群流向和人群密度的估计,减少拥堵并防止踩踏事件的发生。在计算机视觉技术和智能分析技术基础上开发出来的智能视频监控系统,可以更加有效的提取视频中的有效信息,同时对这些信息进行自动处理,大大的提高了视频监控系统的效率,避免了传统视频监控系统中,监控人员长时间盯着监控屏幕墙,注意力下降而错过的异常情况,减少了监控人员的工作量。本文在分析现有智能视频监控处理方法的基础上,采用面向群体特征的处理方法,对视频图像进行预处理和采样,获取能够表征整幅图像的特征,然后用相应的模型进行异常检测。文中首先对人群光流特征提取及人群物理模型进行了概述,实现了光流运动特征提取方法中的Lucas-Kanade法和块匹配法,并进行了实验对比;其次分析了社会力模型和旋转社会力模型的特点,采用旋转社会力模型对人群之间的运动进行表征,设计并实现了尺度自适应时空特征立方体的提取方法;最后,提出了基于尺度自适应时空特征立方体与旋转社会力模型结合的人群异常事件检测方法,该方法采用块匹配法或者Lucas-Kanade法提取人群运动特征,结合旋转社会力模型估计出相应的旋转社会力,在提取尺度自适应时空特征立方体基础上,用LDA模型进行异常人群事件检测。在实验中,用正常的人群视频来训练模型,并使用该模型来进行视频异常行为的检测。实验结果表明本文的方法可以有效地检测出人群中异常行为,验证了该方法的可行性。