在全球的老龄人口不断增加的背景下,人们的家庭护理产生了很严重的负担。由于老年人的身体状况不断老化再加上自己本身有可能存在一些身体疾病,在单独在家的时候很可能因为动作不慎或者身体疾病而产生异常行为。因此,本文以家庭生活为测试场景,对拍摄到的视频中的老人进行检测并跟踪,随后对获取到的老年人行为信息进行分类,最终判定老人究竟是正常活动还是行为异常,为之后的预警等安防措施建立基础,对于家庭生活的安全保障也具有重要意义。本文的主要内容如下:（1）运动人体检测。针对高斯混合模型存在噪声、计算复杂、效果较差等问题,本文在改进了高斯混合模型缺点的基础上提出一种结合了四帧差法与高斯混合模型的运动目标检测方式。通过间隔像素建模的方法降低计算复杂度,提取视频前N帧图像对应点的平均值作为初始背景点来避免误检,提高了运动目标检测的精准度。（2）运动人体跟踪。本文运用了基于卡尔曼滤波的目标跟踪算法实时跟踪室内老人的具体情况。首先介绍了卡尔曼滤波的原理,然后对基于卡尔曼滤波的目标跟踪算法进行设计。最后进行了单人运动目标跟踪和多人运动目标跟踪实验进行了验证,实验结果证明该算法能够准确对检测到的运动目标进行实时跟踪。（3）运动人体分类。本文首先对卷积神经网络Le Net-5模型的各层结构与训练过程进行了介绍,然后设计了一个具有九层结构的卷积神经网络模型Lenet来检测人体的异常行为。实验表明,本文所改进的Lenet网络模型可以有效识别老人的正常行为和异常行为,准确率达到了94.53%,对人体的行为具有良好的检测效果。