动态场景下的视频监控，尤其人物或者交通工具的监控，是计算机视觉主要的研究方向，拥有广阔的应用前景。主要包括，特殊区域的监控，远距离人物识别，人流统计，和拥塞分析，异常行为检测以及多相机监控。通常，视频监控的处理流程包括以下几个步骤：环境模拟，行为检测，运动物体分类，跟踪，行为理解与描述，人物识别，以及多相机数据的融合。而随着社会上监控摄像机的大规模使用，监控数据量的规模也变得越来越大，以往简单的使用人工的监控的方法变得不太可能。所以必然要使用数据挖掘的方法挖掘出大量视频信息中的有用信息。传统的监控场景，用户需要长时间的注视着监控视频以发现感兴趣的事件，所以这样的过程是相当耗时的，而且花费大量的资金来雇佣安全人员。智能视频监控领域主要应用计算机视觉技术去解决上述问题，在较长的监控视频中自动的检测出特殊事件。由于考虑到现实生活中人们在进行社会活动的时候，都具有一定的群体特征。在本文中，我们使用数据挖掘的方法进行群体特征的提取。然后利用这些提取出来的群体特征进行人物目标的搜索，从而降低目标搜索的空间，以此来提高搜索的准确性与高效性。并通过对比实验证明了我们提出方法的有效性。