本公开的实施例公开了监控场景内容码流存储方法、装置、电子设备和介质。该方法的一具体实施方式包括：获取场景监控视频；对场景监控视频进行行为姿态识别，得到人员行为姿态信息集；获取人员音频信息；对人员音频信息进行音频识别，得到音频识别结果；确定音频识别结果的声音来源区域信息；对声音来源区域信息进行区域识别，得到区域识别结果；将人员行为姿态信息、音频识别结果、声音来源区域信息和目标场景监控视频进行编码处理，得到监控场景内容码流；将监控场景内容码流集存储至场景监控视频对应的视频码流中，以及控制相关报警设备进行报警。该实施方式可以提高场景监控视频识别和内容报警的准确性，减少场景监控视频存储资源的浪费。