视频监控系统中行人群体性行为的识别问题一直是国内外学者研究的热点问题。针对已有研究中知识管理和融合的缺乏以及子算法的冗余等现状，本书主要以视频图像中行人图元为最小粒度，对行人骨架属性信息、人数属性信息等进行研究；并依据行人属性信息间的关联关系，基于模糊逻辑规则对行人异常行为进行建模，并通过实例来检验模型算法的有效性。本研究属于社会公共安全管理、应急管理、大数据挖掘与人工智能的交叉与渗透，对实现监控视频大数据下的行人群体性行为识别具有一定的理论与实践意义。 本书可供公共安全管理、大数据等相关领域研究人员阅读参考。

1 绪论
1.1 研究背景与意义
1.2 研究内容与创新点
2 理论回顾与文献综述
2.1 理论回顾
2.2 国内外相关研究综述
2.3 行人行为先验知识
3 基于知识的行人行为识别模式
3.1 概述
3.2 行人相关知识元及图元
3.3 基于知识的行人信息挖掘框架
4 基于知识元骨架属性的单人行为识别方法研究
4.1 概述
4.2 基于平行线簇的快速骨架属性提取算法
4.3 基于模糊逻辑规则的单人行为识别方法
5 基于知识的行人群体性行为识别方法研究
5.1 概述
5.2 图元网络与收缩网络
5.3 多人图元的人数属性信息挖掘算法
5.4 基于行人图元属性的行人群体性行为识别方法
6 行人信息分布式挖掘方法及系统实现
6.1 概述
6.2 视频大数据的分布式行人信息挖掘示例
6.3 基于知识的行人信息挖掘相关框架的系统实现
7 结论与展望
7.1 研究结论
7.2 研究展望
参考文献