监控视频事件检测对于公共安全、规范生产、市场分析等有着重要的应用价值,然而监控视频数据规模大、信息密度低、场景多样化的特点也导致视频的准确分析极其困难,检测流程涉及图像识别、目标检测、行为识别、图像描述等多个图像处理领域知识,要求检测算法具备较高的检测精度、运行速度,整个系统具备较高的可用性、可扩展性和可维护性。为了满足以上需求,本篇文章结合现有深度学习取得的成果,选择利用卷积神经网络作为特征提取工具,对视频每一帧图像进行像素级的分析,实现图像中的目标检测;使用三维卷积神经网络实现视频行为识别方法,提升现有方法精度和速度;利用循环神经网络将目标类别、动作类别等孤立词按照自然语言的方式组成图像描述;提出粗细粒度结合的视频行为分析流程,利用运行速度较快的目标检测和行为识别算法进行粗粒度的视频分析,提取感兴趣的关键帧,并将这些关键帧输入到图像描述算法中,生成细粒度的图像描述;搭建嵌入式深度学习平台,将深度学习算法迁移到低功耗、小体积的移动设备中,实现深度学习平台的小型化。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最合适的网络模型,并且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。