理解和分析人体目标是智能监控视频(图像)处理系统的核心功能,在安防等领域有着迫切的现实需求和广阔的应用前景,同时也是计算机视觉领域最热门的研究方向之一。本文以视频或图像数据中的人体目标为研究对象,从整体人群和单独人体的两个角度出发,围绕人群的密度分布估计问题和个体的行为预测问题展开研究,分别对应计算机视觉领域中的人群计数任务和人体行为预测任务。本文的主要工作和贡献如下:1、总体而言,本文统一地使用生成对抗网络的整体框架来解决人群计数和人体行为预测任务中所涉及的高质量图像生成的问题。具体而言,本文基于生成对抗网络的整体框架,根据不同任务的需求设计相应的模型结构,分别去生成细节锐利的人群密度图和外观逼真的预测视频帧。2、针对人群计数任务,本文提出了一种基于生成对抗网络的高质量人群密度图生成算法。具体而言,本文设计了一种基于特征金字塔网络的生成器结构,借助特征金字塔网络中自下而上和自上而下两条路径之间的横向连接,该结构能有效融合包含丰富人体空间位置信息的低级特征和包含丰富人体语义信息的高级特征,增强模型对人体目标的空间及语义感知能力。在此基础上,本文进一步引入了基于空间和基于通道的注意力机制,以实现有选择的特征提取和特征融合过程。3、针对人体行为预测任务,本文提出了一种基于生成对抗网络、依靠人体姿态引导的外观保持的人体行为预测算法。首先,本文使用一个基于长短期记忆模型的人体姿态预测网络来预测未来帧中的人体关节点坐标。然后,在人体关节点坐标所表征的人体姿态信息的引导下,本文设计了一种全局生成对抗网络与局部生成对抗网络相结合的单帧图像生成器以捕获不同层次的人体外观特征,按照从粗到精、从整体到局部的方式重建人体外观,实现高质量的单帧图像生成。最后,本文设计了一个基于3D编码器-解码器结构的视频修正网络以从整体角度进一步提高生成视频的质量。