随着互联网的发展,人们越来越易于在网络上分享多媒体,则不可避免地会有一些暴力多媒体信息流入网络,对于未成年等特定人群来说,这些信息会对他们的行为习惯产生严重的负面影响。仅依靠人工审核的效率十分非常低下,需要一种方法可以自动检测出暴力内容并阻止其传播。听觉是人们获取多媒体信息的重要途径,现有的暴力多媒体检测研究中,听觉通道常常作为视听觉通道融合的辅助途径而没有得到人们的重视,对音频特征的处理比较简单,没有充分利用特征信息,识别效果受到了一定的限制,这也会进一步影响视频的检测效果,因此本文主要研究了音频通道的多媒体暴力内容的检测方法。本文主要研究了基于张量模型的暴力音频的检测方法。首先选出对暴力声响具有较强区分度的特征集,以一个类别为单位构造出该类别的特征张量。然后,对每一个类别的特征张量进行分解、计算,构造出一个该类别的投影子空间,这个子空间可以把样本的原始特征矩阵投影为一个低维特征向量,这样,就可以将高维特征变换为低维信息且保留了内在结构信息。最后,针对所提取的特征提出了一种基于最小风险贝叶斯准则的暴力音频分类方法,先对不同类别的音频特征分别建立高斯模型,再根据最小风险贝叶斯准则得到最后的预测类别。本文所使用的数据集来自Media Eval 2013 Workshop所提供的数据库中的部分音频,实验结果表明,与统计值特征相比,使用张量模型的特征的召回率有很大提高,精确度相对较低,但综合来看F1有了一定的提高。为了进一步提高识别效果,弥补精确度较低的缺点,提出了一种对长短时特征信息融合的方法,实验结果在精确度上有很大提高,且与传统方法相比,召回率,精确度和F1均有一定的提高。