随着城市化进程的加快和大型活动举行越来越频繁，群体运动尤其是高密度人群的监控愈加显示出其重要性。因此，在智能视频监控中采用相应的检测方法完成群体运动的监控、跟踪，实现群体运动趋势预测的研究受到了越来越多的重视。另一方面，相关的疏散动力学、群体行为学研究也急需群体运动分析技术作为其研究的输入手段。论文以掌握群体运动状况为目的，对群体运动检测展开了深入研究，主要工作如下。　　首先，对现有计算机视觉领域内的群体运动研究进行了梳理与介绍，分别按照研究对象性质、研究目的与主要研究方向对现有研究主要工作与原理进行了概括性的简要介绍与总结。并介绍了研究主要难点、现有研究不足与本文解决思路：将群体按照运动特性分为高一致性与低一致性分别进行相应的检测。　　其次，详细介绍了现有群体运动区域检测及基础运动信息提取的常用方法——基于光流的检测方法与基于区域块的检测方法，并概括两种方法的相关研究工作，分析了两者利弊与适用场景。以及介绍了提取运动信息的算法原理和流程。　　针对高一致性群体运动提出了一种先局部后全局的主运动流检测方法。该方法首先通过改进的谱聚类对局部运动信息聚类获得局部运动流，而后采用遍历的方式根据局部运动流的性质进行连接，获得能够表示群体运动情况的的主运动流信息。实验结果表明本算法能够获取清晰准确的监控群体的运动流向，与以往算法相比更加准确。　　针对低一致性群体运动，借助群组的概念，采用两次划分的思路，先使用速度较快、准确率较低的高斯混合模型对短时间段、小数据量的运动信息进行建模，完成群组的初步粗略划分；然后采用速度较慢、准确率较高的隐马尔可夫模型对较长时间段内的运动轨迹集合进行精确建模，获得群体内存在的主要群组的位置分布和规模。实验结果表明算法能够较准确地检测出场景内群组数目与分布情况，与同类算法相比准确度更高、更便于低一致性群体运动的检测观察。