异常事件检测是视频监控领域的研究热点和难点之一,目前对它的研究尚处于起步阶段。异常事件一般有较少发生、预料之外及与特定任务相关等特点,这些特点限制了传统的基于确定模型方法的应用。隐马尔科夫模型(HMM)是一种基于统计的模型,对模拟、预测随机时序数据性能良好,利用HMM可以对聚众异常事件进行有效描述。　　本文根据广西科学研究与技术开发计划项目《基于图像传感器阵列目标跟踪监控系统的研究与实现》的研制要求,对特定场景下的聚众异常事件进行了研究。为更好的研究聚众事件,本文为聚众、非聚众事件(正常事件)分别建立对应的HMM模型。主要工作如下:　　1、针对近几年基于HMM模型的异常事件检测中常采用的目标轨迹、坐标、速度、颜色、方向、大小等特征在聚众、非聚众事件检测中的不足,本文以基于统计的思想选取有效的距离特征向量来描述这两类事件,并详细分析了该矢量在描述这两类事件的有效性。　　2、在合理选择初始模型的基础上,将视频中描述聚众、非聚众事件特征序列与HMM有机的结合起来,利用Baum-Welch算法重估HMM模型参数,构建了两类事件模型,然后在前向-后向算法的基础上进行聚众异常事件检测。　　3、为了更好的确定HMM模型中状态数N、观察符号数M的取值,在这里加大N、M的选择范围分别进行验证,根据事件检测率的评优指标并结合模型的复杂度为聚众、非聚众事件模型确立合适的N、M。　　本文采用C语言编程,用实验验证了以上方法的可行性,达到了预期的研究目的。