我国城镇化进程加快,电梯在高楼中被越来越多的使用,给人们生活带来方便的同时也存在一些安全隐患。因为电梯轿厢的内部是一个狭小、密闭的空间,不法分子很容易利用它实施犯罪;身体虚弱的老人突发疾病摔倒在电梯里也会有生命危险。所以针对电梯轿厢内频繁出现的跌倒,蹲伏,打斗,侵犯等异常行为,实现一个智能检测系统是十分必要的,当检测到乘客发现异常行为时,系统可以及时的发出警报,防患于未然。本文对电梯轿厢内的人数统计算法以及异常行为识别算法进行深入的研究,建立一个实时性、鲁棒性和准确性更高的异常行为识别系统。本文的主要工作如下:(1)提出一种基于卷积神经网络与岭回归结合的人数统计模型对电梯轿厢内的人数进行统计。首先根据自身数据集的特点对原模型进行了改进,然后再利用改进的萤火虫算法去优化岭参数,使模型的预测性能得到进一步提升,最后对比其他算法进行人数预测,并对结果进行分析。(2)在统计出电梯轿厢内人数的基础上,对人员的异常行为进行识别。使用三维卷积神经网络来识别单人情况下的异常行为,改变其在时间和空间维度上卷积过滤器和池化过滤器的大小,对网络的学习率批值等参数进行合理的选取和优化;再使用双流卷积神经网络来识别多人情况下的异常行为,借鉴双流卷积模型优势进行异常行为检测的网络模型设计,对双流模型改进,降低参数量和模型的复杂度,主要思路是把网络层次进行缩小,在网络的最后一层全连接层之前把网络融合在一起。通过实验证明,改进后的网络在识别率上有了很明显的提升。(3)基于改进的算法设计并搭建电梯轿厢内异常行为识别系统,并且在真实电梯环境下进行实验验证,证明该系统在电梯的实验场景中可以很好的识别异常行为。该论文有图41幅,表8个,参考文献76篇。