视频监控是整个监狱安防系统的基础,但是现在的监狱监控系统只能用于事后取证,将动作识别技术应用到视频监控中,则可以获取实时的异常状况,方便狱警及时处理,避免或者降低损失。在所有的动作识别技术中,FACEBOOK提出的C3D三维卷积神经网络能同时达到良好的视频动作识别准确率和速度,但是在速度方面还有很大的改进余地,而且训练得到的模型过大,不便于实际的应用部署。一方面,针对C3D网络训练模型大和识别速度无法实时的技术问题,本文利用小型卷积核能够减少参数的特点,对已有网络结构进行优化,提出了一种新的动作识别方案,将原C3D神经网络常用的3X3X3卷积核分解成深度卷积和点卷积,并且在UCF101数据集训练测试。结果表明,和原C3D网络进行对比:改进后的C3D网络准确率和C3D差不多,但是在速度方面比C3D提升了 12.9%,模型压缩到为原来的25.8%。另一方面,本文的监狱智能视频监控系统目标是识别打架斗殴、攀爬(可能是越狱)两种异常情况,但是现有的视频数据集较少存在这两类动作,因此本文自建了一个包含打架、行走(干扰项)、弯腰(干扰项)、攀爬四种动作的数据集,并使用改进后的C3D网络训练模型,完成了基于实时动作识别的监狱智能监控系统。基于上述研究成果,本文改进了 C3D神经网络并利用它训练自建的数据集,实现了监狱智能视频监控系统。监狱智能视频监控系统已经过测试并在工程项目中使用。