在当今社会,监控视频已经越来越广泛地出现在社会公共场所,在维护社会公共安全上面发挥着日益重要的作用。对监控视频中的行为和事件进行检测和识别能够更好地发挥监控系统的作用。然而,由于监控场所的复杂性和行为活动的多样性,监控视频中的行为检测技术面临着更加苛刻的场景需求和挑战性。在本文中,针对面对公共安全应用的监控视频行为检测技术,我们着重将行为分成了个体行为和群体行为,并分别提出了具有创新性的行为检测算法。针对监控视频中的个体行为,我们提出了基于多模态的监控视频个体行为检测算法。由于骨架信息更能表现一个行为的姿态动作,且不受背景环境等的干扰,因此我们将骨架信息和图像RGB信息这两种模态同时利用起来。对于骨架信息,我们设计了将每个关节点一一映射在骨架图像上的方式。这种和RGB图像一一映射的骨架表现方式在特征提取时,通过注意力机制的策略与RGB图像特征进行了融合,从而有效减少了由于骨架检测错误带来的干扰,同时也使骨架信息的表达有了更强的语义含义。在特征提取之后两个模态以后融合的形式用于神经网络的训练,进一步提高了两种特征的利用率。针对监控视频中的群体行为,我们从群体聚类的角度出发,提出了基于光流定位的群体行为检测算法。考虑到群体行为发生时的一般性特征,我们引入了光流用于检测视频中群体运动活动的区域,并基于这些区域对个体进行群体聚类和分析。一方面,这种聚类方式有效地解决了视频中的目标相互遮挡和运动模糊的问题,另一方面,这种运动中心为主的聚类方式对密集复杂的群体行为有更强的鲁棒性。在对聚集之后的群体进行行为识别时,我们设计了基于经典双流架构的图像加光流变化图的行为识别网络,并运用ROI-Pooling技术加速特征的提取过程。最后,基于我们提出的两种行为检测算法,我们分别在多个主流数据库以及自己收集的监控场景数据库上进行了相关实验,并与当前的主流方法进行了对比和分析。实验结果证明了算法具有较高的准确性和较强的鲁棒性。