保障公共安全一直是一个社会焦点问题。社会发展到今天,在我们的生活中经常能够看到摄像头,说明随着现代科技的不断进步,视频监控系统已经十分普及。它们为我们的生活提供了许多安全保障,对于事后的调查取证起到了重要的作用。同时,计算机图像处理和信息科技的大规模应用,也与视频监控系统逐渐结合起来,为人们提供智能检测和预警机制。如果视频监控系统能够在有异常行为发生时,自动地检测到异常并向人们报警,将会大大提高人们的工作效率,及早地发现异常并进行处理,这样也会尽量减少异常行为给公共安全带来的危害。本次研究主要通过分析视频中行人运动的特征,检测符合定义的异常行为的场景,及时发出警告。本文重点关注使用光流法对运动进行检测和跟踪,分析运动特性,检测异常行为。行人的异常行为可以有很多种,在本文中,主要定义及关注视频中的以下几种行人的异常行为:行人打架斗殴等暴力行为,行人越过禁止入内的区域,特定场合的行人逆行,并对每种异常行为建立判断模型,应用在异常检测系统中。虽然运动目标检测、识别、分析的方法有很多,在本文中主要关注的是光流法,用光流法对视频中的运动目标进行跟踪检测,通过运动时产生的光流信息对人的行为进行分析,判断是否属于异常的行为。全局光流的运算量较大,而金字塔Lucas-Kanade算法可以减少计算量,使用这个方法对运动产生的光流进行检测。金字塔Lucas-Kanade算法的跟踪过程是迭代的光流法计算过程,收敛速度比较快。它基于特征点进行跟踪,在跟踪光流前需要检测出运动图像中的特征点,特征点数量可控且不是很多,因此算法的计算量也不是很大。检测Harris角点,用这些特征点进行后续的分析,从而提高检测的效率。本文控制了特征点的一些属性,并通过方法上的一些优化,使跟踪效果更好。通过金字塔Lucas-Kanade方法跟踪分析这些特征点光流,获得特征点在图像中的光流特性,进行运动估计。最后,引入光流直方图,用来更清楚地描述运动物体的运动光流相关的特征。文中采用基于幅值的方向直方图,不仅反映光流的方向分布,还可以结合光流的幅值分析运动信息。同时定义了运动能量的计算方法,对视频中一帧图像包含的特征点能量值进行计算,针对每种异常的运动模型,根据运动特征、光流直方图的特征以及能量的特征,对不同的异常行为建立异常检测模型,当系统检测到符合的可能异常行为后,自动发出警报。本次设计在Open CV的基础上实现,并根据具体情况进行了相应的改进,有效实现行人异常行为的检测。