近年来,计算机视觉领域发展迅速,基于深度学习的人脸检测和特征提取方法逐渐兴起,监控视频下的行人分析逐渐成为一个热门研究方向。如今监控摄像头遍布整个城市,从视频中挖掘有效信息,对于城市安防领域具有很高的应用价值。针对海量监控视频中行人分析问题,提出一种视频图谱的自动化构建方法。视频图谱是基于视频构建的知识库,其构建方式如下,首先,对视频中出现的行人人脸进行检测并对齐,提取人脸深度特征,将多个行人人脸特征进行聚类,得到每个行人的多张人脸,并指定行人唯一性聚类编号,设计了基于图数据库Neo4j的存储模型,使用Cypher语言对节点和关系的进行增删改查操作。然后,根据时间和位置因素,分析监控视频中出现的行人之间的共现关系,提出行人共现关系发现算法,使用前端解析框架设计实现视频图谱的交互式页面。最后,基于监控视频提取挖掘出视频中有用的信息,包括基于关联规则的算法,对共现关系的行人进行预测,使用FP-Tree算法进行加速挖掘关联规则过程,对于大规模数据集,使用Spark实现分布式并行运行算法。对行人轨迹,分为基于后缀树的单个行人的频繁轨迹挖掘,以及基于分段聚类的多个行人的频繁轨迹挖掘。对可能存在的社团进行检测,并提出检测社团中心的算法。实验收集了两个真实的数据集,验证了视频图谱共现关系挖掘算法的有效性。通过公开的数据集,验证了基于视频图谱共现关系预测算法的性能,实验表明分布式的Spark共现关系预测算法在大规模数据集上表现优于传统的预测算法。针对频繁轨迹挖掘、社团检测、中心检测等算法,依次针对真实数据集进行了相关实验验证,实验结果表明算法的表现效果良好。