1.一种基于光流算法的异常行为检测方法，其特征在于，具体按照以下步骤实施：步骤1、光流算法提取光流信息：采用Farneback密集光流算法提取人体运动时产生的光流信息；

步骤2、行为特征的提取：将步骤1提取到的光流信息统计成方向幅值直方图；

步骤3、结果分析和异常判定：通过计算直方图的方向和幅值熵来判断是否发生异常行为，直方图的方向和幅值熵越大，说明当前运动越混乱，表示发生异常行为的可能性越大：步骤3.1：设第i区间的幅值为hi，i区间的方向次数总和为si，计算方向和幅值的熵之前，首先要计算出各区间的方向和幅值的概率，计算公式如下：Sdir：方向幅值直方图方向次数的总和；

Shyp：方向幅值直方图幅值的总和；

方向熵和幅值熵计算公式如下：

方向熵：

幅值熵：

方向熵，幅值熵均为判断是否存在异常行为的重要因素之一，所以可以将二者整合为一个式子，表示为以下式子：W＝ES×Eh；

W越大，说明当前运动越混乱，表示发生异常行为的可能性越大。

2.根据权利要求1所述的一种基于光流算法的异常行为检测方法，其特征在于，所述步骤2具体按照以下步骤实施：步骤2.1：平面直角坐标转换成极坐标

通过Farneback密集光流算法计算得到的帧间光流场是从视频图像得到的原始特征，一个光流矢量可以用一个四维的向量(x,y,u,v)表示，其中(x,y)表示图像中光流矢量的空间位置信息，而(u,v)分别表示光流矢量在水平方向和垂直方向上的分量的大小；

步骤2.2：利用Matlab软件将光流的矢量信息转化为直方图采用方向幅值直方图来描述人体运动时的行为，横坐标设置为若干个区间，每个区间的大小为 纵坐标代表每个区间上幅值大小的统计值。

3.根据权利要求2所述的一种基于光流算法的异常行为检测方法，其特征在于，所述步骤2.1中，将光流矢量分量(u,v)从平面直角坐标形式转化成极坐标下的(r,θ)形式，经过计算分析可以得到光流的大小 光流的方向

4.根据权利要求2所述的一种基于光流算法的异常行为检测方法，其特征在于，所述步骤2.2中，横坐标设置为12个区间。