【摘要】随着智能安防技术的发展，传统视频监控面临人工依赖性强与实时性不足的双重挑战。 本研究融合 ＹＯＬＯ 目标检测算法与长短期记忆（ＬＳＴＭ）网络时序分析，构建多摄像头视频监控异常事件检测系统，利用 ＹＯＬＯ 的空间特征提取能力和 ＬＳＴＭ 的时序建模优势，实现高效、精准的异常行为识别。 结果表明：通过模块化设计与算法优化，系统检测精度显著提升，实时性得以改善。 在商场停车场环境中，系统对 ３ 类暴力行为的平均检测准确率达 ９０.９３％，平均检测时间仅 １. ９ ｓ；在更为复杂的公共场所环境中，融合模型平均准确率达 ８８.１％，优于单一模型，平均准确率提高约 １３％。 系统对聚众暴力行为的检测效果最佳（准确率高达 ９１. ２％），并能在夜间低光照环境下保持较高的鲁棒性（人与物暴力行为检测准确率达 ８５.６％）。 综上所述，该系统通过 ＹＯＬＯ 与 ＬＳＴＭ 算法融合，实现了高效准确的多摄像头视频监控异常事件检测，为智能安防提供了可靠的解决方案，具有重要的应用价值。