复杂背景下人（群）体行为检测与分析的高效算法是计算机视觉、模式识别等领域的前沿研究课题，是智能监控系统的关键技术，在国家安全、民用等领域具有十分广阔的应用前景。在现实生活中，大量有意义的视觉信息包含在运动之中，把运动目标从实时变化的背景中快速、准确地检测出来是对图像进一步分析处理的关键。运动目标检测在人的姿态分析、人的行为识别、群体的突发事件具有重要的科学意义和应用价值。然后，对检测目标进行跟踪，获取跟踪目标的相关信息，根据这些信息进行后续的行为识别和分析。本文首先简单地描述了一下复杂群体行为识别的紧迫性和必要性，然后综合的论述了国内外对于复杂背景下的群体行为识别的技术现状。然后，重点介绍了行为分析的前期工作，即运动目标的检测。众所周知，运动目标检测的效果对后续的行为分析有着重要的影响，所以详细的介绍了运动目标检测的方法。其中，着重介绍了运动目标检测的一般步骤和常用的运动目标检测算法。论文从快慢更新算法两个角度对运动目标检测进行了详细的分析，重点分析了快慢更新算法的优缺点，然后将两者结合起来应用，但是实际使用即便将两种方法结合起来，要达到完美的效果依然需要后继处理，而后继处理包括膨胀与腐蚀，消除毛刺和填充空洞，以及消影等一系列的处理工作。之后，重点介绍了行为识别的主要技术。这方面主要介绍了在行为识别中用到的底层特征的提取，例如固态特征，动态特征，还有时空特征等，以及行为的特征表示形式，最后还介绍了一些常用的行为建模的技术，如模板匹配模型，概率图模型，基于文法的模型，以及基于统计关系学习的模型等；并提出基于潜在语义分析PLSA进行行为识别的算法。在第四章里，我们重点讲述了目标跟踪的方法，在这里详细的介绍了当前流行的目标跟踪算法，着重分析了它们的优缺点，然后从单目标跟踪和多目标跟踪两个方面详细的论述了各自的技术难点和关键点，以及应对的方法，而且以具体的详细的实验进行了论证和演示。无论是单目标跟踪还是多目标跟踪，跟踪效果都是非常不错的。而对于目标行为也简单的叙述了一下，从目标行为的分类中着重讲述了两个关键的目标行为，即两个目标的聚合和单目标的分离。对于两种目标行为都进行了简单地介绍和分析。本文为基于行为识别技术的城市安防监控系统的研究，这就需要对复杂背景下的群体进行行为分析，主要研究人（群）运动目标的实时检测、跟踪和主要行为的识别和理解，研究视觉信息计算的认知机理，构建新的计算模型和高效的计算方法，提高视觉感知信息的理解能力和处理效率。在视频的监控中目标检测的用意就是将所要跟踪的目标从视频图像中标注出来。然而，由于背景图像经常受到一些外界因素的干扰，如天气、光照、影子、遮挡和干扰物等，从而使得交通道路上监控摄像机所捕捉的序列图像往往受到这些干扰，使得目标检测以及跟踪成为一项相当困难的工作。目前，对于复杂背景下的人体行为识别研究大多局限于严格的实验环境，要进一步开发鲁棒性强、稳定性高的人体行为识别系统并将其应用，还需要进行大量的研究工作。