在当今视频媒体和视频监控技术的迅速发展下,视频数据量急剧增长,对视频的审查力度需求增多。人作为视频的主体,对人体行为的检测有助于对相应视频内容的理解。本文研究的主要对象是视频中单人的密集行为。“密集行为”定义为视频中某一时刻一个人同时表现出来的一组行为。例如一个人可以同时执行“走路”和“打电话”两种行为。对密集行为的检测有助于更加细致准确地理解视频内容。然而,通过对研究现状的分析,目前密集行为检测存在如下三个问题:(1)目前密集行为检测方法无法适应在线应用场景;(2)密集行为之间的“相似性”增大了检测的难度;(3)目前密集行为检测方法的计算量过高。因此,本文首次提出了在线人体密集行为检测算法。为了适应在线的场景,本文将整个流程分为预热阶段和检测阶段。在预热阶段提出了新的窗口采样策略并生成在线聚集事件模型,来解决实现密集行为检测在线化架构的问题和在线检测计算量的问题。预热阶段作为初始化过程,在缺少未来时刻信息的情况下,生成在线聚集事件模型,为单帧的行为检测提供先验信息。在预热阶段之后,本文将检测阶段分为密集行为粗检测阶段和修正检测阶段。粗检测阶段将先验信息与单帧信息相结合,利用训练好的分类网络得到每帧行为的初步预测结果。修正检测阶段解决密集行为相似性的问题,引入人物交互关系检测模块和改进后的在线关系推理模块。其中人物交互关系检测利用注意力机制,关注图像中检测的实例和交互区域,减少行为预测的歧义性。在线时序关系推理模型通过帧的筛选构造不同的时间尺度,然后融合不同时间尺度下的识别结果,以便尽可能覆盖行为实例,并减少帧与帧之间的预测噪声。为了验证方法的有效性,本文第六章在两个公共数据集Charades和AVA上将本文方法与现有的方法进行了比较。结果表明本文的方法能够实现在线密集行为检测,同时对比其他方法,在检测精度上有一定的提升。