当前我国正处于基础建设加速的高峰时期,在不断完善社会各方所需的建筑结构前提下,很多城市都在建设服务于人民的公共场所以迎合人民对便捷舒适生活的追求,但是公共场所作为一个人群密集,且人流量巨大的生活必经场所,公共场所中所发生的各类安全事故也与日俱增。近年来,我国地铁、学校等公共场所发生的暴力踩踏事件和人群恐慌事件不仅造成了社会资源的大量浪费,同时给人民的心身健康带来了巨大威胁。在此背景下,本论文针对公共场所的监控视频数据,通过对公共场所内部行人进行检测、重识别、追踪、和行为识别来对事故高发的公共场所进行实时视频监控,以便在事故发生前追踪到事故起因。本论文的主要研究是:（1）针对公共场所安全事故的不唯一性,本研究对各类容易引发事故的行人行为进行进一步细分归类,在衣着、路线走向、动作等多种个人因素的参考下,本论文把不同行为视作为绿色、黄色、红色等三种颜色判定类别,当行为判定为绿色时,说明该行为动作为正常动作,如果行为判定为黄色,则说明该行人的行为与一般行为有异,比如踩黄线、前进路线是严禁外部人员进入等,当行为判定为红色时,说明该目标正进行打击斗殴等严重违反社会安全规则的违法行为。（2）针对公共场所行人的不安全行为识别系统的实时检测问题,本研究在行人检测部分采用YOLOv3的行人检测算法进行研究。关于跨摄像头的行人重识别问题,本研究应用Res Net50网络作出应对,在基于sort跟踪算法的延伸分析中,采用Deep Sort算法对场所内部行人做实时跟踪。最终实现基于YOLOv3行人检测、基于Res Net50的行人重识别、以及基于Deep Sort的实时行人跟踪算法组合的框架对公共场所行人进行实时检测与追踪。（3）在对多种主流行为识别算法进行分析对比后,最终确定采用Open Pose算法对公共场所行人进行姿态识别,在通过ST-GCN算法对姿态数据进行动作识别,从而对当前时间中监控视频里的行人行为进行识别。