校园是一个人员密集场所,存在大量潜在的安全隐患,能够准确的判断出人员的动作进而分析发生什么危险对于保护人员安全十分重要。人体动作识别实际上就是一种多分类问题,在智能监控应用系统中起着至关重要的作用。一个能够在当今复杂的日常环境下稳定运行的监控系统已经成为迫切需要。为了创建平安校园环境,解决传统监控系统不能及时分析人体行为问题,本文提出了一种基于卷积神经网络的综合性人体动作识别方法。该方法可以实时的对人体行为进行识别,经过实验证明该方法有较好的准确性和鲁棒性,可以应用到智能视频监控系统中。本文工作分为三个阶段:(1)人体目标检测阶段,该阶段主要应用主流的,硬件开销小,实现简单的ViBe算法和Otus+Sobel算子(OSobel)相结合的方法(OSViBe)进行人体目标检测,实验证明了该方法可以快速有效的获得完整人体目标区域;(2)特征提取阶段,该阶段主要设计了 GTNet动作检测网络对上阶段初步预处理后的图片做进一步的特征提取工作,利用区域生成网络筛选有效的ROI区域;(3)动作分类阶段,采用GT分类模块对RPN阶段筛选的精确ROI进行分类,最终达到对人体动作的分类问题,并用相关数据集进行训练和测试。最后将本文提出的OSViBe+GTNet的分类结果与当前较为先进的其他分类模型结果进行比较分析,各项实验评估数据显示,本文提出的方法有更高的准确性,具有一定的实际应用价值。