基于视频监控的人群行为分析,作为计算机视觉、模式识别和人工智能等学科的交叉研究领域,是当前智能视频监控技术研究的热点。本文基于视频监控获得的人群运动轨迹数据集,对人群运动进行行为分析和研究,并建立基于视频监控人群运动轨迹数据进行人群行为分析的完整处理框架。本文主要研究工作包括：1.基于隐结构信息的人群运动模式(Motion Pattern)学习。在分析监控场景结构对人群行为分析影响的基础上,针对无结构场景内的人群行为分析,利用聚类算法从原始人群运动轨迹数据集中学习获取隐结构信息,基于隐结构信息对行人轨迹进行分类,对各类轨迹分别进行时间和空间属性分析,从而建立人群运动模式,并依据运动模式进行异常行为检测。2.基于层次Dirichlet过程(Hierarchical Dirichlet Process, HDP)进行人群行为分析。将自然语言处理领域的主题建模方法引入视频监控人群轨迹学习与分析,基于层次Dirichlet过程模型,提取特定场景内的人群运动关注区域(Region of Interest, ROI),并描述场景内人群运动随时间变化特征。3.多尺度视频监控人群行为特征统计分析。为了量化统计人群行为特征,在全局和局部两个层次对人群行为特征进行统计分析,分别建立全局速度-方向分布矩阵、基于关注区域的速度直方图、人流密度直方图等统计特征模板,作为人群行为的数值特征描述。