视频监控的发展十分迅猛,从最初的模拟摄像机现如今与AI结合的深度智能摄像机。现如今视频监控已经具备内容直观、布点灵活、场景多样等特点。目前校园监控也已经十分完善,但随着校园暴力冲突事件频发,通过人为观看监控是无法第一时间了解情况的,因此可以对视频流进行异常行为分析,通过算法对视频中的人员动作进行判定,如果学生处于打斗状态,监控中心人员可以及时令相关区域的人员老师处理,从而减少校园冲突事件发生,保障学生的身心安全。本文针对异常打斗行为进行分析,所做的工作如下:(1)针对CASIA行为数据库的视频,选用鲁棒性较好,提取效果最佳的Vibe+算法进行运动目标检测。紧接着选用MeanShift目标跟踪算法对框定区域内的运动目标逐帧跟踪。(2)本文在传统光流法基础上进行改进,通过增加运动目标距离关系和表情识别的约束条件,并与传统光流法进行行为识别对比,最终在算法运行速率和识别准确率上均优于传统光流法。(3)本文基于卷积神经网络结构模型,提出一种直接将图像作为输入的行为识别算法,无需特征提取器,通过建立模型并训练正负样本数据集,经测试结果对比,比传统光流法识别率更高。