当今网络信息已经逐步地融入到我们的生活之中,在网络信息丰富我们精神生活的同时,心智尚未成熟的中小学生接触暴力血腥等内容的概率也随之增加,反映在校园生活中越来越多的校园暴力事件发生,校园霸凌已经是当下教育关注重点。由于受暴者胆小等原因不敢及时汇报需要外界对其检测达到监管目的。目前在校园霸凌检测方面的研究多着眼于附带运动传感器的可穿戴设备,但需要使用者随时佩戴,且检测精度会受传感器佩戴是否牢固影响。鉴于目前监控设备的制作工艺较高、成本较低而且针对图像处理领域的模式识别技术较为成熟,本文提出了基于视频的校园霸凌检测算法,利用固定背景的视频检测是否有霸凌情况发生。相比穿戴设备的检测,基于视频的校园霸凌检测能够留存证据,便于家长和教师了解霸凌行为经过和施暴者身份,完善校园霸凌检测算法。鉴于视频数据对设备的依赖性以及校园霸凌动作的复杂性,本文首先采取像素较高摄像设备对固定背景下的动作行为进行视频数据的采集,之后采取预处理和图像处理等方法提取出运动的前景目标,随后提出一种外接矩形框整合处理方法对运动目标外接矩形框进行优化处理。得到较好的前景运动目标之后,针对霸凌动作以及日常行为动作进行分析并提取出来相应的动作特征。由于并非所有特征都对分类有益,需要对特征进行筛选,首先利用Relief-F算法判断提取特征的权重,排除掉降低分类效果的特征。之后进一步的的特征筛选通过wrapper算法完成。首先利用搭建好的支持向量机(Support Vector Machine,SVM)分类算法选取最佳分类效果的核函数,之后利用wrapper筛选得到识别率最高的特征组合。最后利用筛选后的特征结合网格搜索方式寻找SVM分类算法的最优参数组合,在最优参数组合下利用五折交叉验证得到仅使用SVM算法分类结果为:暴力动作识别率为89.54%,准确率为94.90%。利用四分位箱图方法观察暴力动作与非暴力动作特征特数据分布特点,在SVM分类算法的基础上,令其结合决策树算法(Decision tree,DT)搭建了一个DT-SVM多层分类算法来对动作特征进行识别,使用之前筛选的最优特征组合以及最优参数利用五折交叉检测得到使用DT-SVM算法分类结果为:判定暴力动作识别率达到96.63%,准确率达到95.70%。