随着网络的快速发展,多媒体文件的数目以指数形式增长。视频本身就是一种多媒体文件,包括图像、文本、语音等多种媒体数据,如何快速地处理视频数据、更好地分析和理解视频中包含的丰富的语义信息,已经成为当下研究的热点。视频运动事件描述了某个场景下运动对象的事件,对于不同场景下的运动事件检测可以先对视频场景筛选,在此基础上进行事件检测可以缩小检测范围,提高检测速度与准确率,然后通过提取视频特征采用机器学习的方法进行分类标注实现事件检测。为此,设计了一种基于场景和运动特征分类的视频运动事件检测方法。基于场景和运动特征分类的视频运动事件检测包括场景筛选和运动事件检测两个方面。针对不同场景设计了基于视频静态特征的场景筛选算法,通过选取视频的多个关键帧,分别对每个关键帧提取颜色特征和HOG特征并进行特征融合,然后利用线性加权对多帧的特征进行融合得到视频静态特征,采用支持向量机来分类实现场景筛选。针对多个运动事件设计了基于视频运动特征的事件检测方法,利用轨迹提取算法得到视频轨迹,经过去噪、轨迹条数选取等预处理,结合基于阈值的轨迹分段算法对预处理后的轨迹进行分段,对每个子段的轨迹序列进行向量化组成最终的视频运动特征。针对视频运动特征多序列不等长的问题,设计了一种基于最小距离和的运动特征距离度量算法,在此基础上分别采用K近邻和支持向量机对视频运动事件进行分类标注实现事件检测。最后,通过对比实验验证了基于场景和运动特征分类的视频运动事件检测方法的有效性。