随着社会的发展,网络给人们的生活带来了越来越多的好处,但是由于网络中的人员素质良莠不齐,必然会出现很多不良有害的信息,诸如暴力的、恐怖的、色情等等敏感信息。网络暴力视频至现在为止,仍然没有太多的引起人们的关注,对网络环境和谐的构建主要体现在色情领域,忽略了网络暴力视频给人们尤其是青少年的人群带来的身心伤害。本文针对网路中的敏感视频-暴力视频展开研究,从文献的收集与研读过程中,发现人们对于暴力的研究大多数还是处于对静态图像或者是音频的研究,很少有涉及到对网络暴力视频的研究。本文从网络视频中文本特征、视觉特征、音频特征以及信息融合的方法来研究网络暴力视频,并对以上提到的四种方法均予以实现并进行比较和研究。从以上四种方法的研究实现中得出他们的各自的缺点,基于这些缺点的基础上给出自己的方法,基于内容丰富相似度度的分类方法。主要的工作有：1.调研了大部分文本特征提取经典算法,实现了朴素贝叶斯算法。2.调研了大部分镜头分割的经典算法,实现了计算相邻两帧的互信息量(Ml-Mutual Information)和两帧的联合熵(JE-Joint Entropy)来达到镜头分割的目的。3.调研了关键帧提取的经典算法,实现了基于动态帧的关键帧的提取算法。4.实现了FFMPEG开源库中的从视频中萃取音频的功能。5.调研了音频特征提取的经典算法,实现了MFCC特征提取。6.提出了基于内容丰富度的网络视频分类框架。7.构建了一个实验数据库。总体说来,本文对网络暴力视频检测进行了一次初步的探讨。