本申请公开了一种视频行为分类方法、模型训练方法、装置、介质及设备，属于图像处理技术领域。所述方法包括：从视频流中的第i个视频段中提取第i个视频帧序列；根据第一采样规则从第i个视频帧序列中采样得到第i个图像序列；按照图像在第i个图像序列中的排列位置，分别在第i个图像序列中的每张图像上添加数字水印；根据图像拼接模板和数字水印，依次拼接第i个图像序列中的每张图像，得到一张拼接图像；将拼接图像输入训练好的模型中，根据模型预测的类别生成第i个视频段的分类结果，模型是基于二维卷积神经网络创建的。本申请中基于二维卷积神经网络创建的模型可以部署在边端设备中，且模型的鲁棒性和计算效率较高。