随着中国经济的不断繁荣与城市化进程加快,重要公共场所的安全日益受到重视。为了维护国家和社会稳定保障人民生命和财产安全,国家于2015年就展开了互联网加公共安全视频监控建设。传统的视频监控分析由于需要依靠人的肉眼实现,消耗大量人力物力,已无法满足海量视频数据的处理要求。因此为了满足社会需求,智能视频监控技术应运而生,异常检测作为智能视频监控的重要组成部分,能够在不需要人为干预的情况下对监控场景中的异常进行实时预警与检测。本文主要以视频监控场景中的人群为研究对象,提出了一种基于运动影像图时空梯度特征的人群异常检测算法。本文主要研究内容如下:(1)本文将人群视为一个整体进行研究,将图像每个像素点作为一个运动的粒子,通过光流法求取粒子的速度,然后通过人群运动系统类比热力学系统,将热力学系统中的能量模型焓模型应用到人群运动系统,得到人群运动影像图。(2)利用运动粒子的流体特征,将流体能量梯度这一概念引入人群运动影像图中,同时结合场理论,提出了运动影像图时空梯度特征这一概念。然后对人群运动影像图时空梯度特征进行提取并对其聚类分析,通过对场景中的正常人群的训练来判断场景中是否有人群异常事件发生。(3)在粒子速度的求取过程中,由于受到摄像机视角的影响,需要对粒子的速度赋予权重进行归一化处理。对此本文借助动量守恒物理模型,将粒子速度权值转化为物体前景面积的比值,并根据前景面积变化与摄像机距离成线性关系这一假设来求取权值。(4)本文最后对公共数据集UMN和PETS09中多组视频进行了实验,通过的ROC曲线中的AUC和EER、准确率以及其他合理指标对算法进行了评价,并和其他优秀算法进行了比较分析。实验结果表明本文算法的检测结果与人类对异常的感知基本一致,相比于其他算法有较好的异常识别能力,对异常的判断更加准确,错误率更低。