随着电子制造技术的成熟,监控摄像头的制造成本在不断降低,视频监控已经被运用于各个领域,各大公共场合均被监控摄像头所覆盖,随时随地都会产生大量的监控视频,采用人工的方式进行视频监控显然不能满足当前需要。因此,如何快速对大量的监控数据进行处理,充分利用监控视频的价值,实现视频监控的智能化和现代化,成为了安防领域的一个工作热点,并且对监控视频进行智能检测和分类是当前的重要工作。本文主要的工作和研究成果如下:首先,对当前监控视频分类的基本处理方法中使用的关键技术做了研究,并深入研究了群体检测和特征分类技术。定义了群组视频中要被跟踪的目标,提出了对行人的检测和跟踪方法。然后针对群组中行人高内聚性的特点引入了群体平移假设,基于这一假设设计了一套群组检测算法。为本选题的下一步研究打下了坚实的基础。其次,基于社会心理学和生物学的很多研究,根据监控视频的特点,分别设计了群组的集体性、稳定性、一致性和冲突性四种不同的群体特征属性。然后使用这四种特征属性来量化群组。为后面的视频分类方法研究提供了有效的数据基础。而后,研究了多种不同的特征分类算法,并进行了多方面的对比研究,决定采用随机森林和多层感知机神经网络的方法对视频的特征描述符进行分类。然后分析了这两种分类方法在不同场景下的优劣。最后,本课题结合了以上所有研究,使用了CUHK Crowd数据集的部分数据作为实验对象进行了实验。实验结果达到了预期效果,验证了本文所述方法的可行性和有效性。最后细致地分析和对比了实验结果,总结出了原因,也为进一步的工作提供了理论基础。