视频中的事件识别受到了广大研究者的关注,成为计算机视觉领域的研究热点。用户视频通常在无约束条件下拍摄得到,受到摄像机抖动、背景混乱等因素的影响,呈现出内容复杂多样,使得视频中的事件识别任务非常具有挑战性。人工标注大量的视频以构建训练数据是一项费时费力的工作,而传统的识别方法在少量标注的训练数据上难以训练得到一个鲁棒的分类器。近年来,迁移学习方法被提出来解决训练数据不足的问题。其核心思想是利用其他相关领域中的已标注数据来辅助用户视频域上分类模型的学习。本文利用互联网上的大量粗标注图像和视频对用户视频中的事件进行识别。互联网图像和视频作为异构的源域,用户视频作为目标域。本文提出一种异构多源域适应方法把源域的数据划分为几个语义组,并根据每个组与目标域数据分布的相关性计算每个组的权重,降低不相关组在目标域分类器的学习中产生的负面影响。为了使学习到的目标域分类器更加鲁棒,本文在目标函数中引入一个流形正则项,使目标域分类器在用户视频上平滑。目标函数通过标准二次规划算法和支持向量回归算法求解。本文的方法在CCV(Columbia Consumer Video)和MED(Multimedia Event Detection)两个数据库上均获得了较高的识别率。为了提高源域和目标域异构特征的迁移能力,本文提出一种深度适应残差网络,学习源域和目标域的共同特征空间,得到域不变的特征表示。该方法利用深度神经网络的可迁移性,通过在网络的高层中加入MK-MMD(Multiple Kernel Maximum Mean Discrepancies)损失减小源域和目标域数据分布的差异。为了提高网络高层的迁移能力并使网络易于训练,本文在网络中加入残差结构。实验证明深度适应残差网络可以提高源域和目标域特征的迁移能力,在用户视频事件识别上取得良好的效果。