群体行为分析是视频内容理解的一个重要应用领域。从人群密集场景的监控视频中自动学习得到场景中常见的行为模式,是群体行为分析中的一个核心任务。由于这一类场景中目标物众多,导致遮挡现象频繁发生,场景结构各异导致运动模式繁杂,行为主体的主观性较强导致运动模式多样,所以对人群密集场景的分析一直都是研究的重点和难点。在众多监督和无监督学习算法中,距离依赖非参贝叶斯模型是一类能够自动发掘数据模式的模型,并且模型规模随着数据的变化而改变,同时能够引入不同层次的先验信息指导聚类。因此,本文提出了一种新的距离依赖非参贝叶斯模型,并且基于该模型给出了对人群密集场景进行行为模式识别的完整解决方案。该方案在多个数据集中应用并取得效果。本文主要工作内容有:首先,对目前群体行为分析的研究现状进行综述分析,并提出针对人群密集场景中学习运动模式问题的解决方案。基于群体行为分析的一般框架,从特征提取,特征表达,模型构建等三个方面对目前该领域的研究方法进行对比分析,并针对所面临场景和任务的特殊性,选择合适的解决方案,应用于人群密集场景监控视频中,目的是得到更具有语义表达能力的行为模式。其次,提出新的非参贝叶斯模型——距离依赖中餐馆连锁店过程混合模型。该模型基于现有的距离依赖中餐馆模型和分层狄利克雷过程,是对距离依赖中餐馆模型的层次化扩展,更好地解决在人群密集场景中遇到的挑战。本文阐述了该模型的产生式过程与求解过程,并通过对求解过程进行验证。最后,将距离依赖中餐馆连锁店过程混合模型作为本文的解决方案中的建模部分核心算法,应用到多个人群密集场景的监控视频中去。利用模型的优势,本文的解决方案能够自动学习场景中的运动模式,形成对整个场景中运动模式的完整语义表达。