人群行为分析是智能监控领域的研究重点与难点，受到国内外学者广泛关注。在过去的研究中，对人群行为分析研究较多的是人群中整体行为或异常行为的检测，一般是将人群看成一个整体，提取整体上的一些特征检测人群行为，这种情况大部分都适用于大规模人群行为；另一方面研究较多的是人群中单个人体动作的理解以及两两之间的交互，这种研究的重点一般是关注人体的肢体、位置、轨迹等特征从而理解一些行为，这种情况大部分适用于极小规模人群行为。但是这两种人群行为的研究都忽略了一些信息，大规模人群行为对微观层次信息处理的不多；极小规模人群行为对人群整体上的宏观信息处理力度不大。而在日常生活中常见的规模不大、运动疏散的人群行为研究的较少，针对这一现状，本文结合宏观与微观的信息提出一种研究小规模人群行为的方法。　　复杂网络是由节点和边组成的图论，节点和边反映的是微观信息，网络的特征参数反映的是宏观信息，所以复杂网络是一个用微观信息来反映宏观信息的有力工具。本文利用复杂网络分析小规模人群行为，提出了一种基于余弦角距离加权复杂网络识别小规模人群行为的方法。　　人群加权复杂网络的研究内容为：首先，获得人群视频场景中目标的运动轨迹信息，依据混合积判定准则判断两目标相对运动方向，构建影响两目标关系的方向系数；其次，根据向量模型衡量单个目标具体方向偏移量，结合之前方向系数定量评估余弦角距离，衡量目标与目标之间关联程度，并依此原理构成人群加权复杂网络；最后，分析人群加权复杂网络的特征参数，提取聚集、相遇、同行、分离、分散五种人群网络的最短路径和边权区间分布概率等特征参数组成特征向量通过分类识别人群行为。实验结果显示，这五种典型人群行为的分类识别率都在80％以上，该方法能有效地表达和识别小规模人群行为。