近年来,智能监控技术飞速发展,且落地于多种应用场景,其中,物流仓储智能安防这一领域逐渐受到人们的关注。目前,市面上已有许多智能监控技术,但大多是基于全局的异常检测,而复杂的仓储环境对于智能监控的针对性和准确率有着更高的要求。因此,本文提出了面向特定类型目标的监控视频内容识别方案。在关注某一类型目标的情况下,能准确在复杂环境中检测出目标并进行识别和分类。为了更好的进行分析和实验验证,本文基于无人仓库这一物流场景,构建了特定行为的视频数据集,建立了以人为特定类型目标的内容识别网络。同时,增加了运动检测模块和目标检测模块,提高整体方案的运行效率,并对目标进行定位,排除干扰。具体工作内容如下:(1)框架理论研究。针对智能监控这一应用场景,深入研究运动检测方法、目标检测算法以及视频内容识别算法。(2)将运动检测方法与视频内容识别网络相结合。通过高斯混合分布模型对监控视频的背景进行建模,然后采用背景减除法,检测视频中是否有运动物体出现,由此剔除视频帧中的静止画面,筛选出具有运动变化的视频片段,提高整体方案的识别效率。(3)将目标检测算法于视频内容识别网络相结合。在得到运动视频片段后,通过轻量级卷积神经网络MobileNet_v2对视频帧进行特征提取,然后使用SSD算法,获取目标的类别信息的位置信息。若为特定类型目标,则扩充目标区域,并搭建三维卷积神经网络,结合针对难分类样本的损失函数Focal Loss,对包含特定目标的视频片段进行识别。实验结果表明,本文提出的方案在特定行为识别数据集上的精度为88.33%,相较于基础算法,提高了6%。本文基于物流仓储中的智能监控这一场景,构建了三维卷积神经网络,结合目标检测模块提供的视频输入,并替换损失函数对模型进行优化,最终在本文构建的数据集上有着较好的表现,一来完成了特定识别这一需求,二来提高了视频内容识别的精度。因此,该方案在对特定类型目标有需求的智能监控场景中有着较好的应用。