في المدن الذكية الحديثة، تسعى إلى أعلى مستويات التكامل والخدمة الآلية. وفي قطاع المراقبة، يُعد أحد التحديات الرئيسية هو أتمتة تحليل الفيديوهات في الزمن الفعلي للكشف عن المواقف الحرجة. يقدم هذا البحث نماذج ذكية تعتمد على الشبكات العصبية التلافيفية (حيث تم استخدام شبكات MobileNet و InceptionV3 و VGG16)، بالإضافة إلى شبكات LSTM والشبكات المُغذية أمامياً، لإنجاز مهمة تصنيف الفيديوهات ضمن الفئتين "العنف" و"غير العنف"، باستخدام قاعدة البيانات RLVS. تم توظيف تمثيلات بيانات مختلفة وفق تقنيات التكامل الزمني. وقد حقق أفضل أداء 0.91 و0.90 بالنسبة لدقة التصنيف (Accuracy) ومقاييس F1-Score على التوالي، وهي نتائج أعلى مقارنة بالنتائج المُسجّلة في أبحاث مشابهة التي أُجريت على نفس قاعدة البيانات.