随着计算机视觉技术的发展,基于监控系统的智能人群行为分析方法被广泛地用于各种人群场景的安防管控。人群场景中的行人由于行为交互以及周围环境限制会形成多个小规模群组。群组作为人群的主要组成部分,其组成成员的行为具有集体一致性,包含了丰富的人群语义信息。因此通过分析群组的动态特征,可以更好地识别人群行为。本文针对监控系统对人群行为分析算法的应用需求,提出了一种动态背景下的人群群组行为分析方法。该方法通过检测分析人群群组可以有效地识别常见的人群行为。对于摄像头固定的人群场景,传统的人群轨迹提取方法容易受到光照变化、风吹草动等动态背景的干扰,无法有效解决人群遮挡引起的跟踪漂移问题。针对这些问题,本文提出了一种基于轮廓跟踪的人群轨迹提取方法。与传统的基于灰度建模的方法不同,该方法首先通过边缘梯度背景建模来提取前景边缘,提高了前景检测准确性;然后该方法通过拓展垂直走向的边缘来获得稳定完整的前景轮廓;接着采用光流反向检测方法稳定跟踪轮廓上特征点,分析轮廓的运动特征进一步剔除非人群轮廓;最后根据人群轮廓得到人群前景区域,跟踪该区域特征点提取可靠的人群轨迹。实验结果表明,该方法能较好地克服动态背景的干扰,抑制跟踪漂移现象,且对人群场景有较好的鲁棒性。对于摄像头抖动的人群场景,为了克服图像全局运动影响,在轮廓跟踪的方法基础上,本文提出了一种基于背景特征点单应变换的人群轨迹提取方法。该方法先通过分析特征点轨迹的运动距离来初步判别前景背景轨迹,以提高后续背景全局运动估计和前景运动补偿准确性;为了降低对人群遮挡引起的运动距离较短的轨迹的误判,该方法根据单应矩阵重映射误差对前面得到背景轨迹作进一步筛选分类;最后根据背景轨迹估算抖动量,并用抖动量来补偿前景轨迹。场景测试结果表明,该方法能较好地区分前景和背景轨迹,补偿背景运动,获得稳定平滑的人群轨迹。本文在获得稳定可靠的人群行为轨迹之后,为了更好地检测识别人群行为,提出了一种基于群组中心的人群群组行为分析方法。该方法先根据特征点运动方向相似性和空间位置分布来找到表征群组整体运动特征的群组中心;然后根据特征点与群组中心的拓扑关系来进行群组检测;最后通过分析各个群组中心运动向量的相似性、运动向量交点分布、群组间的距离和群组面积变化来识别检测突发性的人群聚集、疏散和同向跑动行为并及时告警。在实际监控系统中的实验结果表明,该方法能够在复杂的动态背景下实现低误报、高识别率的实时人群行为检测。