1.一种基于监控视频的直方图结合熵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、密集光流提取光流信息：选用Farneback密集光流算法提取运动区域内的光流信息；

步骤2、将步骤1获取的光流信息统计成方向幅值直方图，并计算直方图的方向熵，幅值熵，速度方差：步骤2.1：平面直角坐标转换成极坐标由Farneback密集光流算法计算的帧间光流场是视频图像的原有特征，光流矢量可以由代表光流矢量空间位置信息的四维向量(x,y,u,v)表示，(x,y)代表图像光流矢量的空间位置信息，(u,v)分别代表水平方向和垂直方向上的光流矢量大小，将光流矢量分量(u,v)从平面直角坐标形式转换成极坐标下的(r,θ)形式，经过计算分析可以得到光流的大小光流的方向/> 步骤2.2：利用Matlab软件将光流信息转化为方向幅值直方图；

步骤2.3：计算直方图的方向熵、幅值熵和速度方差；

设第i区间的幅值为hi，i区间的方向次数总和为si，第i区间所对应的速度为在计算方向熵和幅值熵之前，首先计算每个区间方向和幅值的概率，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、幅值熵和速度方差计算公式如下：方向熵：

幅值熵：

速度方差：

步骤3、采用直方图方向熵，幅值熵和速度方差的乘积计算出用于表示行为混乱程度的结合熵S；

步骤4、根据结合熵S的大小确定是否存在异常行为，结合熵S越大发生异常行为的可能性越大。

2.根据权利要求1所述的一种基于监控视频的直方图结合熵的异常行为检测方法，其特征在于，所述步骤1具体按照以下实施：在OpenCV中，使用calcOpticalFlowFarneback()API进行密集光流的计算，将calcOpticalFlowFarneback的具体功能参数设置为(prvs,next,None,0.5,3,15,3,5,1.2,0)，第一个参数代表输入上一帧图像，第二个参数代表输入下一帧图像，第三个参数代表输出的光流，第四个参数代表金字塔上下两层之间的尺度关系，第五个参数代表金字塔层数，第六个参数代表均值窗口尺寸，第七个参数代表迭代次数，第八个参数代表像素邻域范围大小，第九个参数代表高斯标准偏差，第十个参数flag，代表计算的方法。

3.根据权利要求1所述的一种基于监控视频的直方图结合熵的异常行为检测方法，其特征在于，所述步骤2.2具体为：在使用方向幅值直方图来描述人体运动过程中的行为时，将横坐标设置为12个区段，每个区段的大小为纵坐标表示每个区段上幅值大小的累加值。

4.根据权利要求1所述的一种基于监控视频的直方图结合熵的异常行为检测方法，其特征在于，所述步骤3具体按照以下实施：将方向熵、幅值熵和速度方差整合成结合熵S，表示为以下表达式：S＝ES×Eh/DV (6)。