平安城市的建设目标之一是在满足治安管理需求的同时兼顾对图像监控的需求。随着平安城市的建设进入智能阶段,专家学者致力于将视频大数据分析及机器视觉等技术应用于智能视频监控及预警。公共场合的打斗行为通常会威胁到当事人的人身、财产安全,甚至会引起重大的社会公共安全问题,造成恶劣的社会影响,是安防部门视频监控的重点之一。但目前基于视频的打斗行为识别方法存在误判率高的问题,本文定义了描述打斗行为光流特点的行为特征,在此基础上构建基于随机森林的打斗行为识别模型,以期降低打斗行为识别的误判率。打斗行为识别模型的重点在于特征的选取和模型的构建两方面。(1)针对在应用场景中,现有文献中的打斗行为特征与非打斗行为特征呈现相似的变化趋势,从而导致行为判别阶段误判率高的问题,本文结合打斗行为的光流特点,分别定义了主次方向一致性度量特征、主次幅值方向一致性度量特征两个行为识别特征。并在CASIA行为分析数据集上,选取部分视频数据进行实验验证。实验结果表明:主次方向、主次幅值方向一致性度量行为识别特征可以有效区分打斗与非打斗行为,且在多个视角下呈现出稳定的区分效果,为后续的打斗行为判定提供了有效支撑。(2)基于随机森林算法构建了打斗行为识别模型。本文基于上述主次方向一致性度量特征和主次幅值方向一致性度量特征,进行特征处理生成特征向量,再通过基于Gini指数的属性分裂方法训练随机森林分类模型,并以提升行为识别准确率为目标,优化随机森林模型参数实现打斗行为识别。最后,在CASIA行为分析数据集和UTInteraction数据集上,使用十折交叉验证法对方法的有效性进行了验证。实验结果表明:用于模型训练的行为特征具有较好的行为区分效果;和基于光流直方图的识别方法相比,本方法的识别准确率得到了提升;相比于SVM、AdaBoost等分类器,具有较高的准确率和较低的虚警率、漏警率。