伴随新媒体的发展和信息传播速度加快,网络信息充实着人们的生活,但是,暴力、色情信息也混杂其中,随之而来的是暴力事件屡次出现在公共场合,造成了恶劣影响。鉴于天网系统的完善和全覆盖,利用监控视频检测暴力事件成为研究热点。传统的监控系统不能分析视频中的信息,仅依赖人力审查,而暴力动作持续时间较短但造成的危害巨大,因此需要实时检测分析。为了及时制止暴力动作,减小暴力动作造成的危害,本文提出了基于监控视频的暴力动作检测算法,从视频帧中提取人体目标的骨骼模型,利用骨骼数据提取特征并设计分类算法识别动作,然后将模型移植到嵌入式设备中,建立基于树莓派的暴力动作检测系统,检测到暴力动作时,及时警示,使监控系统更加智能化。本文首先提出针对多人识别的优化骨骼模型提取方法。首先改进COCO骨骼模型,通过观察动作特征,剔除头部冗余骨骼点,简化骨骼模型。其次针对OpenPose模型存在冗余度高和实时性差的问题进行改进,特征处理阶段采用Mobile Net网络替代VGG-19,初始化阶段和细化阶段的并行卷积共享相同的卷积结构,减少模型冗余,因此改进模型的训练速度更快,训练生成的模型从203.9MB减少到7.8MB,大大降低了硬件成本;对比单人、两人、四人图片,改进模型的检测时间比原始模型分别降低22.37%、23.04%、19.30%,可见改进模型的检测速度更快。其次基于骨骼点的相对位置信息提取动作特征并进行特征选择。首先对骨骼数据预处理,归一化帧图像尺寸。针对因遮挡导致骨骼点缺失的问题,提出骨骼关键点填充算法,得到完整的人体骨骼模型。然后通过分析暴力动作的骨骼点数据,针对一个滑动窗口提取形态特征和动态特征共85组,提出去冗余Relief-F特征选择算法剔除44组特征,并采用主成分分析（Principal Component Analysis,PCA）将特征降维至26维。最后使用支持向量机（Support Vector Machine,SVM）分类算法结合RBF核对暴力动作识别分类。采用网格搜索的方法寻找最佳参数组合,得到暴力动作识别模型的准确率为97.4%。最后,设计了基于监控视频的暴力动作检测系统。首先将改进的骨骼提取算法移植到树莓派中,使用树莓派搭载摄像头采集视频数据并提取运动目标的骨骼模型,然后采用训练好的暴力动作识别模型分类动作,最后在监控中心对识别结果可视化,检测到暴力动作时进行示警,及时制止暴力动作。