Hệ thống giám sát an ninh ngày càng đóng vai trò quan trọng trong việc bảo vệ tài sản và đảm bảo an ninh của nhiều tổ chức, cá nhân. Việc sử dụng hệ thống camera giám sát để theo dõi và ghi lại hình ảnh, video ở các khu vực quan trọng đã trở nên cấp thiết và phổ biến. Tuy nhiên, các hệ thống này thông thường không thể tự động phát hiện được những hành vi bất thường của con người bằng từ hình ảnh thu nhận được. Do đó, các phương pháp học sâu đã được đề xuất để xây dựng hệ thống tự động phát hiện các hành vi bất thường của con người thông qua hình ảnh thu được từ camera giám sát. Trong nghiên cứu này, chúng tôi tiến hành nghiên cứu và đề xuất mô hình hệ thống tự động phát hiện hành vi leo rào qua camera giám sát bằng giải thuật học sâu của YOLOv8 với tập dữ liệu được thu thập từ Internet và thực tế (1000 ảnh và 20 phim ngắn). Kết quả thực nghiệm cho thấy hệ thống giám sát của chúng tôi có thể phát hiện hành vi leo rào với độ chính xác mAP là 79%. Security supervision systems have played more and more important roles in protecting properties and ensuring security of oganizations and individuals. Using camera for monitoring and recording images, videos in important areas becomes necessary and popular. However, to detect unusual actions with normal camera will take a lot of time and effort, but inefficient. Therefore, developing unusual behavior automatic detection systems via camera by using deep learning algorithms is a potential solution, attracting the attention of machine learning community. In this paper, we do research and develop a climbing behavior automatic detection system via camera by using YOLOv8 algorithm with data sets gathered from the Internet and reality (1000 images and 20 video-clips). Experimental results demonstrate that our surveillance system can automatically detect climbing behaviors with mAP accuracy of 79%.