视觉系统是人们认知和理解世界的重要途径,大脑对通过视觉系统获得的外界信息进行分析处理,进而对外界情景做出相应的反应。计算机视觉则是使用计算机模仿人类视觉系统对外界信息的处理过程,完成信息的获取、处理、存储与理解,达到实现各种复杂的功能的目的。随着计算机硬件技术的快速发展,计算机在存储和计算性能方面的发展可谓是日新月异,计算机已经成功代替人类完成了日常生活中许多复杂的工作,行为识别便是计算机在视频监控方面的成功应用。本文的主要研究内容是视频序列下的基于行为轨迹的组行为识别研究。其含义是提取视频序列中行人在不同运动状态下的有效轨迹信息,然后通过相关算法处理轨迹并获取轨迹特征,通过理解、分析这些特征达到识别不同组行为的目的。随着目标检测与跟踪技术不断取得新的进展,为基于轨迹的组行为识别研究提供了技术支持,而且行为识别技术在视频监控、虚拟现实和运动分析等方面的应用前景非常广泛,因此越来越多的计算机视觉领域的研究者投入到对行为识别的研究当中来。组行为识别的基本思想是在分析、处理组行为轨迹的基础之上判断运动目标的行为。现有的大多数方法在提取组行为特征时,不能有效的保存组行为轨迹的时间信息,此外由于人的运动属于非刚体运动,存在外观、体型和运动习惯等不确定性,运动不确定性产生的噪声很大程度上也会影响轨迹特征的提取。为解决上述问题,本文提出了一种基于轨迹能量扩散图的组行为识别方法,该方法提出的轨迹能量块图可以有效的保存轨迹的时间信息,并且随着轨迹的不断延伸,可以通过轨迹能量块的颜色变化反映轨迹的时间信息;同时利用能量扩散原理对轨迹能量块图进行扩散处理得到轨迹能量扩散图,运动不确定性产生的噪声可以被轨迹能量扩散图平滑掉,可以取得更高精度的识别效果;该方法利用基于典型相关分析的特征融合算法实现了多特征融合,保证了组行为特征信息的多样性,识别精度也得到了提高。通过实验验证表明,对于文中包含7种组行为的567个视频序列,该方法的识别精度在87%到100%之间。