随着社会中不同类型问题风起泉涌,校园安全已经到了四面激化的程度。校园内时有发生的打架暴力、师生和其他人员的意外摔倒以及自杀轻生等诸多行为,都会对学生的精神以及身体的健康造成不可逆转的影响,会造成学生家长和社会的担忧,也会干扰甚至破坏学校正常教学进程、科研的正常进程以及学生和教职工们的正常生活秩序。以上种种情形都暴露出如今的学校安全管理工作还存在部分一触即发的问题,以及亟待解决的薄弱环节。当下信息化时代到来,基于计算机视觉技术的人工智能科技和应用发展日新月异,人类的双眼视觉已经可以用摄像机和电脑取代,并以此对任务目标进行识别、跟踪与测量。智能视频监控的出现,可以自动分析出行为识别结果,因此异常行为检测也成为触手可及的现实。将智能视频监控用于校园环境中可以大大降低对人的依赖,自动分析校园场景,并识别出校园异常的行为类型,将突发事故的不良影响和生命财产损失压至最低。结合行为识别和校园监控视频需求,本论文针对校园内的摔倒、打架、奔跑和进入危险区域四种异常行为进行研究。论文的主要研究内容及相关成果包含四个方面:（1）对人体姿态识别和异常行为检测的国内外发展现状进行了梳理,研究并归纳了相关算法和工作。（2）提出一种改进的人体骨骼关键点提取方法用于对校园中人员的骨骼关键点进行检测和定位,并对行为识别特征进行提取,具体引入了通道注意力机制加强特征的表示。（3）将骨骼关键点作为行为识别特征点后,分别在时空两个维度对关键点进行建模,结合时空图卷积网络捕捉关键点的空间构型和时间变化,进而对人体行为进行识别。（4）采用基于卡尔曼滤波的多目标跟踪策略作为进入危险区的判定方法,使其在单人和多人的情况下都能有效对校园中行人进入危险区进行识别判定。