鱼类集群行为是鱼类的重要行为之一。探索鱼群动态行为是鱼类行为学的基本内容，对于理解群体运动机制及合理利用和保护渔业资源具有重要意义。本文利用计算机视觉、机器学习、网络分析、计算机仿真等技术，在处理分析鱼群视频数据的基础上，研究了鱼群运动跟踪方法、鱼群信息传递网络建模、异常行为检测、大规模鱼群行为建模等问题。具体内容包括:　　1.基于最优匹配的鱼群运动视频跟踪方法研究。首先通过预处理方法去除鱼群视频数据中的阴影，用每帧图像减去背景图像并得到鱼的灰度图，然后利用带标记的分水岭算法处理粘连，结合实验池尺寸约束、鱼群数目等先验知识，获取鱼群中每个个体的坐标，最后，用鱼群运动模型预测每个个体下一帧可能出现的位置，并用预测点和观测点建立运动匹配函数，把用匹配函数计算的值作为二分图最优匹配问题中的权值，通过Kuhn-munkres算法求解最优问题，从而得到前后两帧间的匹配关系。结果表明，提出的方法在小规模的实验鱼群（最大条数为50）视频中具有较好的跟踪效果，尤其在对个别识别错误进行修正后，跟踪精度可以达到90％以上。　　2.基于传递熵的鱼群信息传递网络建模研究。用鱼群运动视频跟踪的方法获取鱼群中每个个体的位置和运动速度，利用传递熵计算个体两两之间的信息传递关系，在此基础上构建了鱼群信息传递网络。进一步通过网络分析，揭示了鱼群中个体间的信息交互个数与信息传播速度之间的关系及鱼群信息传递网络中的频繁子结构。　　3.大规模鱼群异常行为检测研究。针对拥挤环境下大规模鱼群难以进行视频跟踪的难点，以社会力作为鱼群异常行为检测的整体运动特征，并利用平均社会力(MSF)和主成分分析(PCA)两种方法得到降维后的群体运动特征，结合两种概率主题模型（LDA和MGMM），得到四种不同的鱼群异常行为检测方法:MSF-LDA，MSF-MGMM，PCA-LDA和PCA-MGMM。比较四种方法在两个测试数据集上的检测性能，结果表明，MSF-LDA具有最好的检测性能，该方法的平均接收者操作特征曲线下的面积值(AUC)可以达到0.98。　　4.具有个体差异的大规模鱼群行为建模方法研究。通过计算机仿真，得到了三种典型群体空间结构:混杂结构、周边结构和首尾结构。分析了不同模型参数对群体极化指标、群体平均角速度等指标的影响，得到这些指标与模型参数之间的对应关系。所得结论与观测结果和实际经验较为吻合，为研究大规模鱼群行为研究提供了一种有效的途径。