基于计算机视觉的人群异常行为识别是公共场所安全监控、反恐维稳和群体性事件预警等领域的重要研究课题。针对人群异常行为识别速度慢的难题,本文提出了基于运动矢量的人群异常行为检测算法。该方法首先采用社会力模型,以人群的运动矢量信息为基础,计算相互作用力;然后提取相互作用力的方向和强度属性,根据直方图对人群的运动方向和强度进行分类;最后仿真实验表明,该方法可以较好地计算人群的相互作用力,有效地区分人群运动状态,准确地判别人群运动的异常变化,鲁棒性好,检测速度快,与传统光流法相比,帧处理速度提高约30%。针对非规则局部异常目标提取不完整的难题,本文提出了基于双循环扫描统计的人群异常行为检测算法。该方法首先提出基于光流矢量场的纵向光流矢量的补偿因子,对光流矢量进行补偿,更全面提取运动物体特征;然后改进双周期扫描方法,将扫描区域中的似然比检验统计量作为异常行为判别的特征值,通过第一轮全方位的扫描和第二轮基于嫌疑区域的扫描,可以对不同的人群运动场景、非规则的异常区域实现判别和提取,简化计算参数,减少计算量;最后仿真实验表明,该方法可以完整地提取人群异常行为区域。