随着图像处理、模式识别及计算机视觉技术的发展,通过视频信息进行行人轨迹研究在社会生活中得到越来越广泛的应用。通过追踪特定行人轨迹能够进行异常检测。例如,在办公大楼区域,监控系统能够通过异常轨迹检测到潜入的嫌疑人;在十字路口,通过实时监控能够检测到闯红灯、翻越栏杆等不遵守交通规则的行为。通过研究人群流动的统计规律,能够进行人群管理。例如,在城市交通管理中,检测各个要道人群密度并安排路线可以缓解拥堵压力;在大型商场、公共交通枢纽以及大型活动的现场,通过分析人群的构成以及流动方向,能够进行人群疏导和干预,避免踩踏事件的发生。无论是异常检测,还是人群管理与分析,都需要行人轨迹研究,挖掘出视频数据背后的信息。本文主要工作是提出了一种基于矩阵描述的行人轨迹研究算法,此算法可应用于人数稀疏场景下的多目标轨迹识别,并以此为基础,进行群体检测和群体行为分析。本文提出了一个基于矩阵描述的行人轨迹识别算法。此算法受到基于整数规划的多目标轨迹识别算法启发,采用矩阵形式描述算法输入输出信息,以矩阵运算和矩阵变换为基础,进行多目标轨迹识别。该算法适用于传感器网络、单摄像头监控以及多摄像头网络,以每个研究时刻的观察信息和区域结构信息为基础,设计算法,求解出多目标在监控网络下的轨迹。将该算法应用于2010年上海世博会的视频监控数据库。实验结果表明,基于矩阵描述的算法可以正确求解多目标轨迹识别问题;跟基于整数规划的算法相比,在算法效率和准确性两个方面,基于矩阵描述的算法取得更好的效果。本文设计并实现了一个基于轨迹融合的群体行为研究框架。首先对监控视频进行预处理;然后改进基于矩阵描述的轨迹识别算法(设计孤立冗余点去除法替换矩阵变换进行多余轨迹的去除);最后根据求得的轨迹,设计轨迹融合算法,进行群体检测,并在此基础上研究群体行为。将该方法应用于2010年上海世博会的视频监控数据库,实验结果表明针对特定场景的分析,可获得该场景的群体行为规律,包括客流结构、流动模式以及场景特征等,为安排人群管理、客流预测以及获取参观模式提供了可用信息。