群体行为是一种在大自然的生物中广泛存在的自然现象,这一奇妙的现象吸引了各个领域众多科学家的浓厚兴趣,他们试图发现隐藏在其背后的规律,这些看似简单的个体产生出这么复杂的行为,背后形成的机理是什么,这些行为对它们的生存有什么作用以及是怎样影响的,通过解答这些问题不仅有助于人类探索和揭示大自然的奥秘,同时对这些规律的发现和研究并且将这些规律服务于人类社会,可以极大促进人类社会的发展。斑马鱼作为一种模式生物,被广泛运用为研究群体行为的对象,通过获得斑马鱼的运动轨迹,分析每条轨迹以及轨迹之间的关系,成为了研究群体行为的主要手段,为了获得轨迹,视频相机提供了一种很方便的选择。近年来,相机系统和计算机视觉技术得到了迅猛的发展,但是怎样从视频中准确鲁棒地恢复鱼群的轨迹仍然是一件非常具有挑战性的问题,主要因为：(1)斑马鱼的身体具有一定体积,不能简单地抽象为粒子的运动,并且其身体灵活,在游动中形变太(2)因为跟踪的是鱼群,鱼之间存在频繁、严重的交互和遮挡,对跟踪造成干扰。为了解决这些挑战,本文提出了两种自动跟踪斑马鱼群的新方法,两种方法各有侧重点和优点,分别从两个角度解决斑马鱼群跟踪问题。基于检测的鱼群跟踪算法。我们根据斑马鱼显著的头部特点和成像特征,设计一个基于统计学习的鱼头检测器,从而减少了身体形变对跟踪的影响,该检测器能快速、准确地检测鱼头部位置和方向；在跟踪算法中,通过对斑马鱼的运动建模,结合全局匹配算法,使跟踪算法对漏检、错检和短暂的遮挡有很强的容忍性。跟踪斑马鱼轮廓的跟踪算法。在该算法中,我们提出了通过子空间对斑马鱼的身体建模,该子空间从大量的斑马鱼样本中学习得到,虽然斑马鱼的身体灵活,形变大,但是该模型不仅能准确地描述鱼的身体形变,而且控制参数很少,在跟踪过程中只有相对较少的参数需要估计,因此该模型十分有利于跟踪；在跟踪算法中,我们提出了“分组跟踪”的思想,即根据目标之间的相互距离,把所有的目标分成若干个组,不同的组之间独立、并行地处理,从而避免了同时估计所有斑马鱼的参数导致极高的维度,在同一组中的所有个体的参数一起估计,并且通过对同一个组中的目标的交互和遮挡建模来处理遮挡；而组的组成变化通过简单的两步分解完成。本文提出的两种方法都能很好的解决斑马鱼群跟踪的两大主要挑战,各有优点,第一种方法简单、高效,对实验环境要求不高；第二种方法得到的轨迹包含的信息更多,例如身体运动状态,大量的实验表明两种算法的准确性和鲁棒性。