群体，指在共同目标的基础上，由多个个体形成的相互依存、相互作用的有机整体。集群，是个体的总和，可由多个群体组成。理解集群行为及其形成机制，是自然科学和社会科学的基本问题之一。生物学、物理学、心理学等多个学科均对集群行为进行了大量的研究，形成了许多相互融合、可资借鉴的模型和方法。相较于传统研究方法，计算机视觉和计算机模拟仿真不仅为我们提供了强大的观测工具，而且能为很多关键的工程应用提供公共设施优化、视频监控、异常检测等手段，同时节省人力资源成本，符合未来智能化的发展需求。近年来，基于代理人基模型的集群行为分析方法得到广泛应用。代理人基模型根据先验约定规则，将个体视为能自动感知环境并作出决策的“智能粒子”，符合集群的行为机制，并能引入社会心理学、博弈论、复杂系统等研究手段进行扩展。该模型主要有宏观的群体动力方法和微观的相互作用方法。群体动力方法侧重于集群全局特性，如量化集群的群体性程度、集群行为模式分类；相互作用方法典型代表是社会力模型，通过引入社会心理学研究成果，模拟群体中的个体受力情况。然而，在过去的研究工作中，这两种方法并没有很好地结合，以从宏观和微观两个层面共同对集群行为进行分析。在计算机视觉领域，尚未有工作对集群运动的局部有序性进行定义。本文在代理人基模型分析方法基础上，针对集群运动的邻域特性，对个体跟随其周围群体运动的有序程度进行量化，提出了集群运动的局部有序性测度。不同于过去方法，仅利用集群的社会力场大小分布进行视频不稳定度分析和异常行为检测，本文结合社会力场的方向分布信息，提出社会力相关性传播算法，从而简洁有效地对本文所提出的集群运动局部有序性测度进行计算。并且本文通过对社会力相关性传播算法的扩展，引入了一般矢量场带邻域路径衰减的矢量场相关算法。进而，本文结合了代理人基模型的两种分析方法，在宏观和微观两个尺度下分析集群行为。在宏观层面，本文基于集群个体沿邻域路径传播的运动速度相关性对集群中的不同群体进行动态聚类，从而得到集群中具有不同运动模式的多个群体；在微观层面，我们利用自驱动粒子仿真实验模拟集群行为，分析了具有三类典型运动模式(自由游走、行进、绕中心点旋转)的集群，其全局群体性程度、速度场、社会力场、集群局部有序性测度的分布特点。集群行为视频主要在大型公共场所拍摄，受光照变化、雨雾、摄像头质量、拍摄视角等因素影响，视频效果往往较差，至今没有大规模的用于集群行为分析的标准数据库。故本文大量应用自驱动粒子仿真实验模拟集群行为，以去除干扰因素，发掘和利用集群行为自身的固有属性和规律，为算法设计提供参考和进行验证。本文在香港中文大学整理的集群行为分析数据库中实施了大量实验，该视频数据库包括上海世博会展馆入口、交通十字路口、火车站大厅等典型集群场景视频。实验表明，1、本文提出的集群局部有序性测度能够很好地量化个体跟随邻域群体的有序运动程度，从而可为视频异常检测提供参考；2、本文采用的速度相关性动态聚类算法能有效检测出集群中具有不同运动模式的群体；3、通过结合代理人基模型中的两种分析方法，本文从宏观和微观两个层面共同对集群行为进行了分析。