视频事件检测是计算机视觉领域颇具实用前景的应用之一,其目的就是通过计算机自动识别出视频序列中感兴趣的事件。而传统的视频监控系统通常采用人工监测方式,这种方式有许多弊端,如不能自动识别异常、错报警或漏报警等,智能监控技术则是解决这类问题的有效途径。　　本文对视频监控中的群殴事件检测进行研究,重点研究对群殴事件的描述和建模算法。　　由于群殴事件与其他事件在视觉上有一定的可分性,在分析了目前已有描述方法的基础上,在视频片段中提取出运动能量和运动方向这两类运动特征值,作为描述群殴事件的特征。　　隐马尔科夫模型(HMM)能有效描述随机时序数据。但是对于群殴事件这类复杂事件,隐马尔科夫模型结构及算法也有一定的缺陷,如模型比较敏感、容易产生溢出等。针对HMM的不足,本文引入分层隐马尔科夫模型(LHMM)来对群殴事件进行模拟,采用分层结构,将事件分解到两个不同层次的时间尺度上进行分析。在事件检测过程中,由低到高在各层内分别使用隐马尔科夫模型的算法进行推断,并把低层模型的推断结果归类后输入高层,最终实现对全局事件的检测。　　实验结果表明,采用上述的描述和建模方法,可以在场景复杂的情况下有效实现对群殴事件的检测,并具有较高的检测率和较低的误检率。