随着全国各地大力建设和发展智慧城市,建设工作有条不紊的推进过程中,对具有经营性质的文化场所增加视频监控设备的搭设需求日益增长,但是由于搭建监控设备的场所,规模和标准都不尽相同,造成了不同的场所不同省市区实施运行的监控系统不能形成体系化,从而导致了信息分享阻塞,已有的监控视频资源共享难度增大,重复实施等诸多问题。为了实现文化市场综合执法监控视频资源统一管理和数据相互联通,实现监控资源应用的重复利用,提高视频监控执法的效率,在基层执法人员相对匮乏的情况下,推进智慧城市视频监控执法向体系化,标准化发展显得至关重要。本论文依托智慧城市经营性文化市场监控执法平台的建设背景下,研究实现了监控视频共享模块,图像分析识别模块和对文化市场监控分析数据可视化大屏模块三个模块功能,具体表现为通过对室内场所监控视频的设备运行状态管理查询,实时监控以及异常行为分析,数据可视化展示等。近年来计算机视觉领域和深度学习的发展迅速,硬件计算能力也逐步提升到了新的水平。而图像分析处理技术慢慢的被应用到生活的各个领域,本系统除了为降低执法监管“孤岛效应”的现象,也致力于智能化监控视频的开发与在生活中的应用。视频图像智能分析模块通过获取视频流,利用深度学习等人工智能技术提取行为、人体、人脸的图片数据和结构化特征,并对以上数据进行汇聚、清洗、分类、存储,为文化市场综合执法提供结构化数据支撑,智能预警支撑等智能应用。该模块提出了包括对未成年人的识别,消防通道占用堵塞的情况分析,未悬挂标志检测,吸烟行为和营业时间异常等五种室内经营场所的异常行为分析,本文主要涉及到吸烟检测方面的内容。在windows 10系统搭建深度学习环境下,以YOLOv3算法为基础,创建深度算法的学习目标数据集,对模型进行评估和训练,通过学习和思考实验努力提升目标检测算法的检测效率和精准度。对YOLOv3进行结构上和传递的参数上的优化。经过对大量实际的实验数据结果分析后,YOLOv3对于异常行为检测有效。算法在进行分析改进后,对图像识别的速度,和精准度都有一定的提升。最后在监控视频管理告警系统中进行调用,检测图像中是否存在吸烟者。测试结果表明,该系统的分析模块中选择吸烟检测查询条件可有效识别监控随机截图中的吸烟行为,为文化场所监控管理综合执法提供有效辅助。