多目标的联合分组与贴标作为计算机视觉以及模式识别领域重要的基础任务,具有广泛的应用前景,如医疗监控,人机交互,智能交通,基于内容的图像视频检索等诸多商业与医疗领域,具有较高的研究价值以及应用价值。联合分组与贴标中单独任务诸如目标分组,对象分类等研究工作已取得一些成果,但目前将联合分组与贴标二种任务作为整体来进行研究还较为稀缺。近年来为了将上述任务融合到一起完成对多目标之间关系的整体理解,学者们提出了多种解决方案,但是目前已有的成果尚未令人满意。例如在多人行为理解的应用领域上,目前行为识别的大量研究成果多是针对单人动作,而对于多人行为交互识别与理解方面的研究相对较少。此外独立识别每个类别的行为,忽略了在现实生活中行为与行为之间通常是有联系的,不能准确的表示交互行为的内在属性,准确度不高。在交互识别方面由于外部因素诸如摄像机运动,光照以及内部行为的复杂多变等因素,对准确进行人体行为分组造成影响,使得建模复杂度提高,限制了多人行为的识别与理解。本文提出的基于深度子图分解的联合分组和贴标任务,前提是并不知晓分组的数目,不同于其他聚类算法需要提前获得组别的数目。本文通过完全图将不同的目标相联系起来,而后将其分解成完全子图用于代表不同的组别,使目标的正确分组能够有助于提高目标分类的准确度,从而赋予该方法广泛的实用性。多目标的联合分组与贴标作为极富应用前景的热点研究之一,虽已取得一些进展,仍旧被一些难点所困扰,例如模型框架的构建,有效特征的选择,子图分解理论的深入分析等。本文提出的框架混合深度特征以及丰富的上下文线索以及从数据中学习到的参数,用完全图作为背景图来初始化代价函数,而后提出交替搜索算法来解决相关的推断问题,不仅仅能够解决人体行为理解领域的问题,还能够应用在基于主色调的时尚服装图片的分组和分类上。本文通过在三个多人交互行为数据集以及时尚服装数据集进行分组与贴标实验来验证提出方法的有效性。实验结果表明,本文中提出的方案能够有效且准确完成图像中多目标的分类和分组,比之前的最优方案有了明显的性能提升。