视频暴力行为检测任务隶属于行为识别领域,它指的是对视频序列中存在的暴力行为进行检测,传统检测方法的效率和准确率都不高,无法满足应用需求。随着深度学习技术的快速发展,基于深度学习的检测方法与传统方法相比在准确率上有了很大的提高,因此基于深度学习的暴力行为检测方法近年来得到了一定程度上的发展。虽然基于深度学习的检测模型准确率很高,但其效率仍然较低,不能应用于实时暴力行为检测场景。基于深度学习的检测模型一般分为单流法、双流法以及骨架法,单流法只将RGB图像作为输入,效率相对另外两种方法要高;双流法基于单流法并需要预先提取光流图,虽然准确率比单流法高,但是运行效率却远远不如;另外基于骨架的检测方法会预先提取人体上多个关键骨骼点,然后根据骨骼点的位置变化来判断人体做出的行为类别,这种方法在人多、有遮挡的情况下无法准确提取关键点,所以会导致准确率大大降低。本文以暴力行为检测算法的实际应用为出发点,构建在线行为检测系统,并针对检测算法的效率问题进行深入研究并给予解决方案,本文做了以下工作:（1）暴力行为检测系统。文章将暴力行为检测算法应用于实际场景,并以此构建了暴力行为检测系统。此系统基于web向用户提供服务,并集成了实时行为检测的功能,能够做到行为发生时的信息反馈。系统整体采用分离式结构,模型更换并不影响整个系统其余功能的正常使用,因此仅需要对模型重新训练便可以让此系统支持更多的其他种类的行为检测。（2）用于暴力行为检测的轻量化混合卷积网络。针对暴力行为检测算法的效率问题,本文提出新型检测网络Mi Net及其衍生版本Mi Net-3D、Mi Net-2D、Lite Net,此系列网络基于单流法并采用轻量化混合卷积方法使得网络的效率得到了保证。最优网络（Mi Net-3D）与其他主流模型在四个暴力行为检测数据集（Movies,Hockey,Crowd,RWF-2000）上进行了对比实验,准确率分别达到了100%、94.71%、91.41%、81.98%,处于现有模型的中游水平;另外此网络的参数量仅为0.352M,Flops仅为0.33G,远远小于现有模型。（3）针对3D轻量化混合卷积网络的注意力机制。本文探究注意力机制在3D卷积网络模型中的有效性和可行性,并提出用于3D CNN的联合注意力模块,此模块将以极小的性能上的牺牲换来模型准确率的极大提升。实验表明这种联合注意力模块给轻量化混合卷积网络带来了正面效果,使得网络（Mi Net-3D）在Hockey、Crowd、RWF-2000三个数据集上的准确率分别提升了1.44%、4.84%、0.71%,且给原网络增加的参数量控制在1K以内,Flops的增加控制在0.26M左右。