采用时空特征融合算法，结合目标检测、实例分割技术，构建端到端自缢行为识别模型。通过千万级监狱场景数据集进行强化训练，模型可精准捕捉监舍高低床、窗台等高危区域，利用床单、衣物等物品实施自缢的隐蔽行为。针对夜间低光、复杂遮挡等挑战，集成红外热成像与可见光图像融合技术，配合动态阈值调节机制，确保全天候识别精度。引入视觉大模型二次复核机制，基于 Transformer 架构的自有视觉大模型，结合语义理解与常识推理能力，对疑似自缢事件进行多维度验证，通过分析场景环境、行为时序、物品关联等特征，将识别准确率提升至 98.5% 以上，显著降低误报率。系统一旦确认自缢行为，立即触发三级报警，同步联动应急广播与门禁控制系统，为救援争取黄金时间。