在未来的“智慧城市”当中,监控摄像头将会被安插在公共场所的各个角落,这些监控设备将会产生海量的视频及其相关的数据。对监控视频中出现的事件进行检测描述,可以在城市公共安全、交通管理等方面产生极大的应用价值。特别地,治安刑警经常在在对银行ATM机和电梯等空间的监控视频中发现暴力事件,并依此进行案件侦查。在当今社会,如果能够及时地从监控视频侦察软件中获得准确安全警报,就可以极大程度减少人身财产安全事故的发生。但是在公共场景下的视频具有信息密度低且数据规模庞大的特点,再加上视频中背景场景复杂多样等客观问题,使得公共场所的监控视频分析具有相当的困难。针对以上现存问题,选择并制作最为适合训练“暴力事件描述”的视频数据集和深度网络模型,进行整合改进,从而满足计算机快速、准确的描述视频中出现的暴力事件的需求。首先,本文研究现有深度学习研究成果,选择使用卷积神经网络和循环神经网络,从监控视频中分解出图像帧,然后进行像素级别的识别处理,结合视频和文本数据,训练出能够做到“视频对应文字”的深度模型;其次,本文关注到深度学习方法在应用到工程领域时遇到的问题,如运行效率、精确描述等,通过图片预处理、微调网络结构、上下文感知、粗细粒度结合处理等方法实现系统优化。本文应用较为先进的深度学习方法,通过对视频进行分析,构建具备较高可用性、可扩展性的暴力事件描述系统。文章对比不同卷积神经网络模型的优劣势,兼顾检测精度和运行速度,为每一部分工作设计了最合适的网络模型,在训练过程中不断优化网络参数。所提出的算法在检测精度上优于现有其他算法,并且检测速度满足实际应用场景的需求。