人类行为识别是模式识别领域的一个重要研究方向,是综合了计算机视觉与机器学习的多领域学科,其目的是通过结构化视频流,并采用机器学习等方式,分析并分类视频中发生的事件。而暴力行为的分类与鉴别,因为其行为主体与行为模式的复杂性,是人类行为识别领域中的重点与难点。当前,暴力行为检测仍缺少一个普遍的行之有效的算法。因此,构建一种实时的暴力行为检测系统,有利于节省人力成本,提升系统处理异常事件的能力,减少反应时间,在监控摄像日益普及的当下,有着重大意义。本文提出了一种新的暴力行为分析算法,首先利用ORB算法提取运动目标的兴趣特征点,并采用FLANN算法对每相邻帧进行特征点的匹配,获得了大量的表示目标运动趋势的兴趣点轨迹,作为区分暴力行为与非暴力行为的模式特征。然后我们采用了短轨迹优化和多段最小二乘法等措施,针对暴力行为轨迹进行了优化,以加快训练速度,使得算法的识别率进一步提升。在得到兴趣点运动轨迹后,我们利用BRIEF描述子和马尔科夫链模型,分别从外形层次和几何层次两方面提取出这些轨迹的特征向量,并采用词袋模型进行了数学建模,再把提取到的特征投入到支持向量机SVM中进行训练和分类。我们采用了多频SVM技术,使得多种输入向量能够对分类结果有着不同的影响,从而提高了机器学习的训练效果。我们在暴力行为视频数据库HockeyFights上进行了大量的仿真实验,获得了很好的识别分类效果。