本发明提出了一种基于摄像头巡检路径的视觉监测方法，包括：设置摄像头固定巡检路线，对每一路径采集图像帧数据，进行预处理，挑选满足条件的图像数据；利用已训练的深度卷积网络模型提取预处理后图像的特征值，对数据进行训练识别；分析数据，对危险信号进行预警，并将结果反馈于管理人员。本发现提出的基于摄像头巡检路径的视觉监测方法可以有效的完成视觉上对输电塔及其周围事物进行监测，提高输电线路巡检的高效性和安全性。本发明利用深度学习卷积网络计算的特征来代替传统人工巡检，具有高精度、高可靠性和鲁棒性强的优点，降低人力和物力成本。适用于面向输电塔线路巡检摄像头实时监测输电塔及其周围事物任务的应用需求。