外部因素或者自身疾病导致的意外摔倒以较大的概率发生在老年人身上,当独居老人摔倒后不能自主起身和求助时会造成严重后果。另外,老人的睡眠和运动情况是身体健康与否的一个重要指标。为了解决独居老人意外摔倒时的自动求助问题以及平常生活中行为分析的问题,本文通过研究特征提取算法和姿态识别算法,设计开发了老人监护系统。老人监护系统主要处理过程为:人体目标检测、特征向量选择和提取、姿态和动作的识别。本文主要研究特征提取和姿态动作识别部分。特征是认识事物的关键标志,为了对人体目标的行为进行分类,必须对姿态和动作进行特征提取。本文使用已有算法提取了宽高比、离心率等简单几何形状特征,并设计算法提取了质心夹角特征、目标轮廓的矩特征、傅里叶描述子特征。将上述特征融合构成目标的特征向量,实现从图像到数值参数的转换量化过程。姿态和动作识别是老人监护系统的核心部分,本文使用支持向量机算法实现了基于单帧图像的姿态识别;使用隐马尔科夫模型结合向量量化算法实现了基于多帧图像的动作识别。支持向量机是一个二分类的线性分类器,本文对该算法进行改进并将其应用于多种姿态的分类。隐马尔科夫模型描述了状态转换的随机过程,本文设计了图像特征向量量化算法实现了特征向量到数字序号的转化,然后与隐马尔科夫模型相结合,实现了对连续动作的识别。如果识别结果是跌倒动作,则发出警告;如果识别结果是常规动作,则对当前姿态或动作进行记录并在一段时间后进行分析。本文使用中科院自动化所提供的行为视频库和自制视频库对该系统进行了实验验证,发现支持向量机算法对于单帧姿态的识别结果较好,但不能用于动作的识别。而隐马尔科夫模型可以对多帧动作的类别做出判断,对于生活中高频动作识别准确。