计算机视觉的不断发展,智能视频监控技术作为计算机视觉领域的关键技术受到的关注越来越多,并且在实际中得到广泛应用,许多公共场合和重点区域甚至有多个视频全覆盖。智能视频监控技术通常对动态场景中的感兴趣目标进行检测、跟踪和识别,并进一步分析和理解感兴趣目标的行为或者场景事件等语义信息。目前,基于单路视频的智能监控技术研究工作较多,但对于基于多视视频的场景监控和运动目标行为分析的研究还不够深入。监控视频采集的主体大多是车辆或行人,本文从智能监控安全防护、人群管理的角度出发,面向多视角采集的视频数据,运用多视低秩字典学习的方法融合不同视角的视频信息,对停车行为和人群行为进行识别分类。本文的主要工作包括以下两个方面:(1)基于多视角视频的停车行为分析和识别对于多视角停车视频数据,区别于基于单帧图像的分析方法,本文利用多视视频的连续帧序列作为路侧占道车位状态检测的数据,采用KLT(Kanade-Lucas-Tomasi)运动角点检测和实时压缩跟踪方法,提取视频序列中车辆停车全过程的运动轨迹,并在此基础上构建车辆状态的特征描述,实现对车辆停车行为表达和识别分类。在实际视频数据上的实验结果表明,本文提出的方法是有效的,能满足实际路侧停车识别的需求。(2)基于多视角视频的人群行为分析和识别对于多视角人群监控数据,本文提出了一种新的融合多视角信息的群体行为分析方法,该方法通过跟踪视频中人群的运动轨迹,并根据运动轨迹的相关性将轨迹聚类分组,在此基础上定义和提取人群行为的特征描述符,最终实现多视角人群视频群体行为的识别分类。在实际监控场景的多视角视频数据上的实验表明,本文的方法具有较好的群体行为识别性能。