人群行为分析是视频行为识别领域的重要课题之一，近年来更是得到了国内外学者的广泛关注。视频行为分析的应用领域主要是智能监控和智能交通，因此视频中目标行为的分析和理解是人们关注的一个热点。目前来说，许多国内外学者的研究方向主要集中在对个体行为的研究和大规模人群行为的研究上，而针对小规模人群行为的研究相对来说较少。但众所周知，现实生活中经常发生的行为往往是小规模人群行为。因此，对小规模人群行为的研究具有很强的现实意义和广阔的应用前景，本文的主要工作是围绕如何有效的识别小规模人群行为这一问题展开的。小规模人群行为既具有微观层面的行为特征，同时也具有宏观层面的行为特征，从该行为的这一特点入手，本文提出一种既能涉及其微观层面特征，又能体现其宏观层面特性的行为识别算法，即基于因果复杂网络分析的小规模人群行为识别算法。复杂网络可以在整体层面上表征人群中各目标之间的关系，这就需要找到一种能表达目标之间联系的方法。由此，本文从目标的运动轨迹这一微观特征入手，利用经济学领域的Granger因果关系检验算法来衡量目标之间的相互作用，并将此作为构建复杂网络的依据。在复杂网络构建过程中，本论文将各目标作为网络节点，并利用目标之间的因果联系来决定节点间是否存在相连的边，然后计算复杂网络的平均路径长度，介数，聚类系数等统计特性，将其作为行为特征。实验过程中，本文采用k-近邻和支持向量机两种分类算法分别对人群行为进行分类，来验证该算法的正确性，实验选取了聚集、聊天、分离、徘徊、相遇及同行等六种具有代表性的人群行为进行测试，视频中行为的参与人数分别为4~8个人。最后，通过对实验结果进行统计分析表明，本文提出的算法能够有效的表达和识别人群行为，使用成对因果与成组因果结合的复杂网络模型的识别率要好于单一网络特征，实验采用的的大部分行为的识别率都达到了80%以上，个别行为的识别率一直保持在90%以上。