随着网络的发展、技术的进步,人类对于视频的应用需求已不在局限于看与听这一单一功能上,而是需要解析视频中的内在含义,进而找出视频内或者视频间的关联,而如何对视频内容进行分析成为首要解决的问题。视频分析的实质就是对视频内容语义层面的解析,这就需要对视频中的视觉信息进行准确描述。图像集是指存在类内差异的同一类图像的集合。图像集表示方法不是只针对单帧图像进行分析,而是建立在多帧图像所组成的图像集合的基础上,由这些图像集合的共同信息对视频进行分析。图像集表示方法因其对光照、角度等类内变化具有准确性和鲁棒性使其成为特征表示的趋势。视频帧序列变化缓慢,但具有一定的类内差异。我们引入图像集思想对视频进行分析,可以有效解决由类内差异所带来的视频表示不准确问题。因此,将视频进行图像集表示,进而依托于视频分类来验证其性能。Grassmann流形是局部具有欧式性质的拓扑空间,可以有效处理图像集表示问题,将视频表示为Grassmann流形上一点,从而使视频分类问题转化为Grassmann流形上的点分类问题。本文的主要工作和贡献如下:第一,将图像集的思想引入视频分析中。利用特征集合代替传统的特征向量来表示样本,也就是说,与以往的特征向量来表示视频不同,现将视频用一个矩阵来表示。第二,将CNN引入到图像集表示中。由于CNN具有很强的特征提取和表达能力,使其成为目前常用的特征提取器。我们提取了CNN特征来描述视频的图像集。第三,提出Grassmann核以及将Grassmann核与kernel alignment的结合。本文根据Grassmann流形上两点间的主角度与误分率的关系,提出了基于主角度的Grassmann改进核。并将其与kernel alignment结合,提出了基于kernel alignment的Grassmann子核学习。Youtube、UCF50和Penn sports action都是关于动作的数据库,在这三个数据库上验证了上述方法的有效性,并在In the wild场景数据库上验证了上述方法的适用性。