随着社会计算机化和强大的数据收集和存储工具的快速发展,数据实现了爆炸性增长。视频数据作为记录人类社会活动的最重要的载体,每天都会产生PB级的视频数据。在视频检索、视频点播、智能监控等领域中,对视频信息的人工处理方式,已经不能满足人们对海量视频查找所需信息的需求,而包含着丰富语义的视频检索、检测是人们获取视频信息的重要手段,为了让人们能在短时间内高效获取视频中所感兴趣的内容信息,同时能为视频的使用者提供相应的辅助性决策,基于视频内容的数据挖掘应运而生。而视频数据是非结构化数据,与其他数据相比,视频中的语义鸿沟又增加了视频挖掘和检索的复杂性。因此,对于视频的语义的关联规则挖掘方法研究受到了研究者的重视。本文在视频语义关联规则挖掘的相关技术研究的基础上,研究了基于基本动作概念的关联规则挖掘算法,并研究将之用于相应复杂视频场景或事件的基本概念关联关系挖掘,同时将其关联规则作为一种复杂视频场景或事件的检测分类准则,实现复杂视频场景或事件的检测分类。本文主要的研究内容如下:(1)针对复杂视频场景或事件的快速检测分类问题,提出一种基于基本动作语义概念关联的视频复杂动作场景检测分类方法。该方法对相应的视频场景中的所有动作语义概念采用apriori算法进行关联规则挖掘,将挖掘得到的动作语义概念的关联规则作为视频复杂动作场景检测分类依据,对测试视频考虑符合相应场景类别的关联规则情形进行视频复杂动作场景的检测分类。实验结果表明,所提出的方法可以有效地挖掘出视频中动作之间的关联关系,并快速有效地实现视频复杂动作场景概念的检测分类,提高视频复杂动作场景的检测分类准确率。(2)传针对统的挖掘算法无法考虑到视频动作语义概念随时间序列出现的情况,会影响更细致的语义概念相关关系的分析问题,提出基于时序加权的视频动作语义关联规则挖掘算法。该算法采用视频的时序窗口对视频动作语义的关联规则挖掘进行挖掘,引入视频动作语义概念规则在时序窗口中的权重因子,修正规则的支持度和置信度,形成能反映时序的视频基本动作语义概念挖掘算法。通过研究设计基于时序加权的动作语义概念关联规则的视频类别分类准则,实现视频复杂动作场景的检测分类。实验表明,基于时序加权的视频动作语义关联规则挖掘能获得更合理的关联关系,并能有效提升视频复杂动作场景的检测分类准确率。(3)使用所提出的方法,结合面向对象的设计思想,运用C#和Matlab混合编程技术,设开发基于视频动作语义关联规则的视频检测分类原型系统。该系统包含三个模块:视频数据预处理、时序关联规则挖掘和视频场景检测,系统运行表明所提出的方法具有可用性。