行人行为分析是机器视觉领域中的一个热点问题。现阶段的主要研究方向是目标行为识别和分类以及异常行为分析,而对于引起视频中目标行为产生原因的深层次理论基础研究却鲜有提及。因此,分析各个目标行为的诱因,即对于目标间因果关系的识别问题是本文的主要研究内容。国内外学者对目标间因果关系进行深入研究,将因果关系总结为三种,导致关系、促进关系、阻碍关系,并提出了多种因果认知理论,包括力学理论,心理模型理论和因果模型理论。这三大理论中所采用的模型均是对目标间关系的性质和意义的研究,难以用于现实中的实际场景分析。无论是力学理论中的力动力学模型还是动力学模型,其中所包含的要素均是基于现实所做出的假想,难以结合实际做出量化计算。本文为了研究实际场景中的行人目标间关系问题,提出了一种算法,即基于动量动力学模型的目标间因果关系识别方法,可用于目标间关系的识别及量化计算。具体流程如下:(1)首先分析视频图像,提取所选目标的颜色特征,根据颜色特征采用Cam-shift算法跟踪视频中的目标行人,获得目标的位置、时间等信息。(2)基于因果关系概念,结合人群行为分析领域中的社会力模型与动量定理,构建动量动力学模型,并基于动量动力学模型改进目标间因果关系判别方法。(3)对现有的三类因果关系,作理论推导,提出因果值概念,并依据因果关系判定方法,划分因果值范围。分析视频并计算,得到表达目标间关系的因果值范围,实现视频中多个目标间关系的智能识别。实验表明,本文所提出的方法克服了其他因果关系模型不能定量分析目标间因果关系的缺陷,实现了智能视频监控对目标间关系的较准确识别。