随着城市化进程的不断发展,传统的监控设备由于其过度依赖人工、效率低下等问题已满足不了当下社会的需求,因此智能监控技术成为了当今的一个热门研究方向,而人群异常行为检测作为这一领域内的主要分支技术,也引起了许多国内外研究者的重视。当前已经有许多人群异常检测技术相关算法被提出,现有的多数方法都是通过将图像分割成均匀区域块的方式来提取特征,但是这种方式会破坏行人个体的完整性,从而降低异常行为检测定位的准确性。另外在对行人提取特征过程中很容易受到行人肢体运动的影响,导致特征在表达人群运动状态时不够准确。针对上述问题,本文提出了一种基于行人组信息表达的人群异常检测方法,本论文的主要研究工作和创新如下:（1）结合扩散理论在光流场的基础上构建出更能准确反映人群运动状态的矢量场。为了获取更加准确的人群运动信息以便后续处理,首先采用光流法获取原始的光流场,然后将光流场看作由众多小粒子构成的浓度场并结合扩散理论构建人群运动矢量场,以人群运动矢量场来反映人群的运动方向和速度大小。（2）提出一种基于层级结构的行人分组方法来保证行人的完整性,使提取的特征能更准确表达行人运动信息。首先对图像进行分割获取到运动人群,其次依据行人运动方向信息将人群划分成方向组,接着再利用行人运动速度和空间位置两种信息对不同的方向组行人进行聚类,最终得到保证行人个体完整性的行人组。（3）构建了环块能量直方图特征来削弱行人运动时四肢摆动给异常检测过程带来的影响。先通过人群运动矢量场计算出每个像素点的能量值大小,然后将不同的行人组划分成环块区域,再依据能量在行人组环块区域内的分布情况,构建出环块能量直方图特征减轻在异常检测过程中行人肢体摆动带来的干扰。实验结果表明,本文方法相比于现有的一些其他方法,在像素级和帧级两个评估标准上都有较高的准确性。