随着互联网的发展,网络视频普及到千家万户,里面充斥着不良视频,如恐怖、暴力和色情等,称为特定敏感视频。此类视频的传播会危害人们尤其是青少年的身心健康,如何有效地、自动地过滤这些不良视频,已经成为视频语义分析领域研究的热点。现有视频识别技术存在着一些不足,导致针对于敏感视频的识别率较低。其原因主要有两方面：一方面,视频结构分析时,忽略敏感信息的作用导致关键帧位置偏差,视频特征表示时,忽略情感、运动和私密部位等敏感特征导致语义刻画性较弱；另一方面,忽视视频内部的多种上下文结构信息,忽视各种特征间的潜在依赖关系。鉴于其重要性和存在问题,本文针对于敏感视频的识别算法进行了研究。论文的研究内容包括两个方面：视频结构分析和特征表示、上下文结构和依赖模型。作者提出了上述两个问题的有效算法,并用实验验证了这些算法的有效性。在视频结构分析上,使用基于信息理论的镜头边界检测算法,并在普通关键帧的基础上,提出增加敏感关键帧强化敏感信息定位,提升特征选择精确度。在视频特征表示上,提出使用颜色情感类特征描述恐怖视频,使用运动暴力类特征描述暴力视频,使用肤色部位类特征描述色情视频,该三类特征表示算法较好地刻画了敏感视频固有特性,强化了敏感语义分析。在上下文结构提取上,使用图模型表示视频上下文关系,提出一种基于多种上下文结构的分类器算法,该算法通过模拟视频内部的结构信息,以辅助识别敏感视频类别,提升分类性能。在依赖模型融合上,量化不同空间特征的依赖关系,提出一种基于线性依赖模型的融合算法,该算法通过对比验证数据的先验和后验概率,求解线性依赖模型,获得各个特征的权重,利用权重融合分类结果,提升分类性能。