随着社会的不断发展,人民群众对公安安全的需求不断增长,视频监控系统由于其直观性与便捷性的优点得到了广泛的使用。但现有的视频监控系统功能比较单一,一般只具备监控视频观看、查询以及回放等功能。此外相关科研工作者对暴力行为这一复杂的异常行为关注较少,而且相关研究往往忽视了不同场景下暴力行为之间的差异性。针对这些问题,本文对监控视频中拥挤场景以及非拥挤场景下的暴力行为检测问题进行了相关的研究,并搭建了一个暴力行为检测系统。本文的主要工作点与创新点如下:1.在拥挤场景下对暴力行为进行检测时,针对暴力流特征仅使用光流幅值信息,对暴力行为的表述性能有限的问题,参考物理学中加速度与力的概念,构建出了一个新的特征,称作是加速度暴力流;2.为了验证加速度暴力流的有效性,本文在Vi F数据集上进行了相关实验,采取了bagging策略对多特征多分类器的结果进行融合,通过对实验结果的分析验证了加速度暴力流特征的有效性;3.在非拥挤场景下对暴力行为进行检测时,利用Goog Le Net作为特征提取网络提取输入视频中的空间特征,利用iDT算法获取输入的时间特征,之后将两个特征进行拼接得到组合特征,实验表明组合特征取得了高于其他方法的结果;对于含有暴力行为的视频,本文还使用Faster R-CNN对发生暴力行为的区域进行了检测;4.在利用GoogLeNet提取特征时,考虑到暴力行为会造成比较严重的后果,本文对损失函数进行了加权,代表了人民群众对暴力行为的重视;5.针对提取轨迹特征时,轨迹的数量过多含有部分无效的数据的问题,本文以变化程度为衡量对其进行了筛选;6.针对区域生成网络在单目标检测时候选框较少的问题,对区域生成网络进行了一些调整,并在Hockey Fights数据集上进行了实验,验证了调整的有效性。