众所周知,场景中群体行为分析是计算机视觉中具有一定挑战性的研究分支,吸引着众多学者的持续关注与探究。本文利用一些比较成熟的光流算法在对视频光流的提取以及光流场的建立的基础上,识别视频场景中的五种群体行为运动模式:瓶颈,源头,线形,环形,阻塞。光流的概念最早由美国心理学家Gibson等人于上世纪四十年代提出,通过计算连续两帧图像间像素点的相关性,构建像素点间的最佳匹配,进而建立光流场。光流为移动物体对动物产生的视觉刺激,描述在一定时间内空间中的运动物体投影在成像平面上所有像素点的位移信息。完成提取的连续帧图像光流场这一必要前提工作后,首先,对所有初始像素时间上积分刻画场景的密度图,从初始像素光流终点进行迭代计算获得每一像素点的运动轨迹,并对轨迹终点进行聚类以确定视频场景中的感兴趣区域;其次,通过动态系统的线性逼近理论建立感兴趣区域的Jacobian矩阵,提供行为分类;最后,通过稳定点的动态稳定性分析计算感兴趣区域的Jacobian矩阵的特征值,每种特征值条件对应于五种群体行为中的一种。特征值同时为负对应瓶颈运动模式,特征值同时为正对应源头运动模式,特征值存在零点对应线形运动模式,特征值异号对应堵塞运动模式,特征值无实数解对应环形运动模式。在多个视频片段中测试本文所提出的算法,共采用超过60个视频验证算法及理论的正确性,视频中包含人群或车辆。实验结果表明,本文所提算法能够比较准确的识别视频场景中群体行为运动模式。