随着我国综合国力的不断提升,党中央不断加大国防投资,给军工企业、武器装备生产单位的发展带来了巨大的机遇,与此同时也给保密工作带来无限的挑战。目前各涉密单位均安装电子录像设备对涉密场所进行全天候录像,以备后期调取查阅。但是这种监控方式智能性不足,只是对涉密场所进行简单录像,缺乏实时性与主动性。针对现有涉密场所视频监控的不足,本文结合前沿深度学习研究成果对基于视频监控的涉密场所的敏感行为检测方法进行了研究与实现。本文创新性地采用基于深度学习的目标检测技术进行涉密场所内敏感目标的检测,同时根据敏感行为的特性进行涉密场所内敏感行为的检测,效果显著。本文的研究内容主要分为涉密场所敏感目标检测、涉密场所敏感行为检测、涉密场所智能监控系统设计三个部分。第一、针对HOG等传统目标检测算法鲁棒性不足、耗时长的问题,本文采用了基于深度学习的目标检测算法YOLOv3,并提出了改进的Secret＿YOLO网络模型。改进后的网络通过合并BN层到卷积层、使用GIoU代替L2损失函数、添加池化层的方式提升网络的推断速度和网络的精确度,使得此网络模型更贴近涉密场所中敏感目标检测的需求。第二、在涉密场所敏感行为检测部分,提出基于敏感行为特性的检测方法。该方法根据敏感行为的特点,并结合敏感目标检测的结果和定位,判断其是否为敏感行为。可以检测出携带通信设备、放置遗留物、跌倒、徘徊等四种敏感行为。第三、针对涉密场所现有监控系统的不足,本文设计了一套涉密场所智能监控系统。该系统具备敏感目标检测、敏感行为检测、敏感行为预警,敏感行为历史查询和涉密场所安全评价等功能。