چکیده: خشونت یکی از معضلات جدی جوامع امروزی است که عواقب ناگواری بر سلامت روانی و اجتماعی افراد می‌گذارد. با گسترش سریع دوربین‏های نظارتی در فضای اجتماعی، شناسایی و دسته‌بندی رفتارهای خشونت‌آمیز به یکی از چالش‌های اساسی در حوزه امنیت و نظارت تبدیل شده است. این موضوع ضرورت توسعه‌ی روش‌های کارآمد و دقیق برای تشخیص خودکار این نوع محتوا را نمایان می‌سازد. در این پایان نامه، یک روش نوآورانه برای تشخیص خشونت در تصاویر دوربین‌های نظارتی ارائه شده است. این روش از ترکیب دو شبکه از پیش آموزش‌دیده VGG 16 و GoogleNet برای استخراج ویژگی‌های تصویری استفاده می‌کند. ویژگی‌های استخراج‌شده از این دو شبکه به‌صورت همزمان ترکیب شده و یک بردار ویژگی جامع ایجاد می‌شود. سپس، از الگوریتم جنگل تصادفی برای طبقه‌بندی این بردار ویژگی و تشخیص انواع خشونت استفاده شده است.. در این کار از پایگاه داده UCF Crime برای آموزش و ارزیابی مدل استفاده شده است. مدل ارائه شده در شناسایی ۱۴ نوع مختلف خشونت شامل سو استفاده، حبس کردن، آتش زدن، حمله، دستبرد، انفجار، مبارزه، فیلم‌های معمولی، تصادفات جاده‌ای، سرقت، تیراندازی، دزدی مغازه، دزدی و تخریب اموال موفق به دستیابی به میانگین دقت 98.74٪ گردیده است. این نتایج نشان‌دهنده توانمندی و کارایی روش‌های یادگیری عمیق در تشخیص دقیق خشونت در تصاویر و اهمیت آن در تقویت سیستم‌های نظارتی و پیشگیرانه در جامعه است.