Un sistema de vigilancia con más de cientos de cámaras y muchos menos monitores depende fuertemente de la programación manual y las inspecciones del personal de monitoreo. En este documento se propone un método de monitoreo que mejora el rendimiento de la vigilancia mediante el análisis y aprendizaje de una gran cantidad de registros de operaciones manuales. En comparación con reglas fijas o métodos de visión por computadora existentes, el método propuesto puede aprender de manera más efectiva de los comportamientos de los operadores e incorporar sus intenciones en la estrategia de monitoreo. Hasta donde sabemos, este método es el primero en aplicar un modelo de recomendación de estrategia de monitoreo que contiene un codificador global y un codificador local en sistemas de monitoreo. El codificador local puede seleccionar de forma adaptativa elementos importantes en la secuencia de operación para capturar el propósito principal del operador, mientras que el codificador global se utiliza para resumir el comportamiento de toda la secuencia. Se realizan dos experimentos con dos conjuntos de datos. En comparación con att-RNN y att-GRU, el modelo de codificación conjunta en el experimento 1 mejora el Recall@20 en un 9.4% y 4.6%, respectivamente, y mejora el MRR@20 en un 5.49% y 3.86%, respectivamente. En el experimento 2, en comparación con att-RNN y att-GRU, el modelo de codificación conjunta mejora en un 11.8% y 6.2% en Recall@20, y mejora en un 7.02% y 5.16% en MRR@20, respectivamente. Los resultados ilustran la efectividad de nuestro modelo en los sistemas de monitoreo.