冷库冷链是影响我国抗疫形式的一道重要防线,为做好冷库防疫工作,政府要求冷库工人作业时需佩戴口罩、穿好防护服装并对来往冷库的货物、货车做好消毒工作。但由于监管端的缺失,冷库工人违反上述要求的行为难以得到有效处理,这容易使得冷库防疫工作出现漏洞。针对这个问题,本文对智能冷库监管系统进行了研究,并对系统应用的YOLOv4算法、Deep Sort算法做出了一定改进,以实现对违反防疫要求行为的准确预警,弥补冷库部分防疫工作监管端的缺失。首先,为实现对未佩戴口罩、未穿防护服装的准确预警,本文应用了YOLOv4模型,并从网络结构、训练数据、学习率衰减策略三个角度对模型进行优化。（1）网络结构:在传统YOLOv4网络结构中,引入ECA-Net通道注意力机制,实现了ECA-YOLOv4网络结构,以实现网络对关键特征通道的聚焦;（2）训练数据:通过Random Erasing、Geometric Transformations、Color Distortion以及DCGAN网络生成训练数据等技术进行数据增强,扩充模型训练数据;（3）学习率衰减策略:使用余弦退火算法对神经网络训练时的学习率进行优化,从而帮助模型跳出局部最优点,最终使得模型逼近全局最优点,提高模型的准确率。而后分别对三种优化方式进行模型性能验证,证明优化方式的有效性。而后,为实现对消毒行为的识别,本文设计了基于工人行动轨迹特征的识别流程:先通过Deep Sort算法对冷库工人进行跟踪获取其轨迹,其中为了提高跟踪性能,使用了ECA-YOLOv4代替Deep Sort原有的Fast R-CNN检测器,并验证该优化方式有效性;其次,根据消毒行为特点,设计了速度、加速度等轨迹特征,并根据目标跟踪获得的轨迹,完成轨迹特征的计算;根据得到的轨迹特征,构建训练集,而后将训练集输入一维卷积分类网络中对模型进行训练,完成对消毒行为分类识别。最后,从可行性、功能性需求、非功能型需求等方面对智能冷库监管系统进行分析,而后对本系统的总体架构、功能架构、数据库进行设计。并基于系统分析与设计,实现了系统的相应功能,对系统进行了功能性测试与非功能性测试,验证系统的可行性。