1、復雜背景下人（群）體行為檢測與分析的高效算法是計算機視覺、模式識別等領域的前沿研究課題，是智能監(jiān)控系統(tǒng)的關鍵技術，在國家安全、民用等領域具有十分廣闊的應用前景。在現(xiàn)實生活中，大量有意義的視覺信息包含在運動之中，把運動目標從實時變化的背景中快速、準確地檢測出來是對圖像進一步分析處理的關鍵。運動目標檢測在人的姿態(tài)分析、人的行為識別、群體的突發(fā)事件具有重要的科學意義和應用價值。然后，對檢測目標進行跟蹤，獲取跟蹤目標的相關信息，根據(jù)這些信息進行

2、后續(xù)的行為識別和分析。
　　本文首先簡單地描述了一下復雜群體行為識別的緊迫性和必要性，然后綜合的論述了國內(nèi)外對于復雜背景下的群體行為識別的技術現(xiàn)狀。然后，重點介紹了行為分析的前期工作，即運動目標的檢測。眾所周知，運動目標檢測的效果對后續(xù)的行為分析有著重要的影響，所以詳細的介紹了運動目標檢測的方法。其中，著重介紹了運動目標檢測的一般步驟和常用的運動目標檢測算法。論文從快慢更新算法兩個角度對運動目標檢測進行了詳細的分析，重點分析了快慢

3、更新算法的優(yōu)缺點，然后將兩者結合起來應用，但是實際使用即便將兩種方法結合起來，要達到完美的效果依然需要后繼處理，而后繼處理包括膨脹與腐蝕，消除毛刺和填充空洞，以及消影等一系列的處理工作。
　　之后，重點介紹了行為識別的主要技術。這方面主要介紹了在行為識別中用到的底層特征的提取，例如固態(tài)特征，動態(tài)特征，還有時空特征等，以及行為的特征表示形式，最后還介紹了一些常用的行為建模的技術，如模板匹配模型，概率圖模型，基于文法的模型，以及基于統(tǒng)

4、計關系學習的模型等；并提出基于潛在語義分析 PLSA進行行為識別的算法。在第四章里，我們重點講述了目標跟蹤的方法，在這里詳細的介紹了當前流行的目標跟蹤算法，著重分析了它們的優(yōu)缺點，然后從單目標跟蹤和多目標跟蹤兩個方面詳細的論述了各自的技術難點和關鍵點，以及應對的方法，而且以具體的詳細的實驗進行了論證和演示。無論是單目標跟蹤還是多目標跟蹤，跟蹤效果都是非常不錯的。而對于目標行為也簡單的敘述了一下，從目標行為的分類中著重講述了兩個關鍵的目標

5、行為，即兩個目標的聚合和單目標的分離。對于兩種目標行為都進行了簡單地介紹和分析。
　　本文為基于行為識別技術的城市安防監(jiān)控系統(tǒng)的研究，這就需要對復雜背景下的群體進行行為分析，主要研究人（群）運動目標的實時檢測、跟蹤和主要行為的識別和理解，研究視覺信息計算的認知機理，構建新的計算模型和高效的計算方法，提高視覺感知信息的理解能力和處理效率。在視頻的監(jiān)控中目標檢測的用意就是將所要跟蹤的目標從視頻圖像中標注出來。然而，由于背景圖像經(jīng)常受到