近年来,深度学习技术的发展与应用极大地促进了计算机视觉、自然语音处理等一系列相关领域的飞速发展。异常行为检测和分析作为计算机视觉领域的重要分支和研究热点与人们生活息息相关。暴力行为检测指的是及时有效地发现视频中的暴力行为,是异常行为检测的重要组成部分。基于监控视频的暴力行为检测是保护人民群众人身安全,维护社会环境和平稳定的基础,也是现代智能视频监控的重要组成部分,具有较重要的研究意义和应用价值。本文研究的内容是基于深度学习的暴力行为检测。采用更加贴近人体视觉系统的快慢双通道思想设计容量与任务复杂度相匹配的三维卷积神经网络,制作针对暴力行为检测任务的数据集,通过多次迭代训练获取暴力行为检测任务的参数模型,利用神经网络与模型组合共同完成暴力行为检测任务。本文设计并实现了在线和离线两种检测模式,在线检测实时性的问题通过多线程并行的方式解决。本文的主要工作内容包括以下几方面:(1)神经网络结构的设计、搭建与评估本文设计了一种快慢双流三维卷积神经网络用于提取视频帧序列的时空信息。三维卷积操作可以很好地捕捉到视频中时间和空间上的联系,快慢两通道可以有针对性地、有侧重地提取视频中的空间信息和时序信息。采用三维卷积和快慢双通道结合的方式兼顾二者的优点。通过实验验证,该网络层次清晰、结构合理,在保证分类准确的同时可实现快速分类。(2)暴力行为数据集的制作本文算法的应用场景是安防监控领域,目前没有清晰的、角度固定的、画面连续的暴力行为数据集。本文制作了针对监控视频背景的暴力行为数据集用于训练模型。数据集中包含了5种常见暴力行为:拳打、脚踢、勒掐脖子、扭打、持械击打。总共包含约1600个视频样本,包含多个图像采集角度,结合实际使用场景所有角度均在45-60度之间。(3)暴力行为参数模型的训练为提高网络模型的泛化能力,本文经过多次对比实验确定了最佳训练策略。优化算法选择灵活性更强的NAG算法。本文使用的最佳初始学习率为0.05,使用余弦函数衰减作为学习率的衰减策略。为了防止过拟合,网络模型引入12正则化和Dropout。(4)暴力行为检测系统的实现本文设计了基于深度学习的暴力行为检测系统,可以有效地避免人工因视力疲劳或注意力不集中而造成得的漏检,提高检测效率,节省人力、物力。本文设计的系统根据输入数据形式的不同分为离线检测和在线检测两种模式,离线检测模式中,输入是录制好的监控视频,在整段视频中判断暴力行为是否发生以及定位暴力行为发生的时间,该模式下系统更加注重检测准确率。在线检测模式中,输入是实时视频数据,实时检测暴力行为,该模式下系统更加注重实时性。实验结果表明本文研究和实现的方法可对视频中的暴力行为进行有效地检测,算法的实时性和检出率可以满足实际需求。