视频行为识别一直广受计算机视觉领域研究者的关注,主要包括个体行为识别与群体行为识别。群体行为识别以人群动作作为研究对象,对其行为进行有效表示及分类,在智能监控、运动分析以及视频检索等领域有重要的应用价值。现有的算法大多以多层RNN模型作为基础,构建出可表征个体与所属群体之间关系的群体行为特征,但是未能充分考虑个体之间的相互影响,同时也未能根据个体对群体行为的贡献程度进行有区别的个体特征聚合,致使识别精度较低。为此,本文提出一种基于非局部卷积神经网络的群体行为识别模型和一种面向群体行为识别的注意力池化机制,充分利用个体间上下文信息,有效提升了群体行为识别准确率。所提模型采用一种自底向上的方式来同时对个体行为与群体行为进行分层识别。首先从原始视频中沿着个人运动的轨迹导出个体附近的图像区块;随后使用非局部CNN来提取包含个体间影响关系的静态特征,紧接着将提取到的个体静态特征输入多层LSTM时序模型中,得到个体动态特征并通过注意力池化机制聚合个体特征得到群体行为特征;最后利用个体、群体行为特征同时完成个体行为与群体行为的识别。本文在国际通用的The Volleyball Dataset数据集上进行实验。实验结果表明,所提模型在未进行群体精细划分条件下取得了77.6%的准确率,在群体精细划分的条件下取得了83.5%的准确率。在集约型实验条件下取得了77.7%的分类准确率,在拼接型的实验条件下取得了83.4%的分类准确率。本文提出了面向群体行为识别的非局部卷积网络和面向群体行为识别的注意力池化机制,并依此构建了一种新型群体行为识别模型。所提模型通过考虑个体之间的相互影响,结合个体上下文信息,可从训练数据中学习到更具判别性的群体行为特征。该特征既包含个体间上下文信息、也保留了群体内层次结构信息,更有利于最终的群体行为分类。