我国的老龄化现象愈发严重,完善健康养老产业对社会的发展十分重要。目前,久坐行为对老年人的健康威胁很大,是很多慢性病的诱因,多项研究表明周期性的运动锻炼是对久坐行为最好的干预措施。然而很多老年人得不到专业医护人员的监督与指导,造成许多慢性疾病的致死率提高,针对上述需求,本文着重研究基于单目视觉的久坐干预动作识别,通过装载着单目摄像头的移动机器人实现在无医护人员现场监督和指导的环境下辅助老年人进行久坐干预。周期性的运动锻炼是对久坐行为最好的干预措施,本文设计了一种基于姿态序列的动作识别算法通过单目摄像头传输的信息识别医护人员制定的五种久坐干预动作。该算法首先用Open Pose检测出视频中代表人体的18个2D关键点,筛选其中的14个关键点并通过归一化处理、中位数填充缺失关键点等方法对关键点组成的姿态序列进行预处理;然后以双流网络的结构为动作分类网络的基础,将同一帧中的关键点间的向量编号,通过向量间夹角的余弦值定义的夹角特征输入到双流分类网络的空间流中,由空间流中的三层独立循环网络学习该特征,将相邻帧图像中同一个骨骼中心点坐标的矢量差作为特征向量输入到双流网络的运动流中,由运动流中的四层一维卷积神经网络学习该特征;最后将两个网络输出的每种动作的预测概率按一定权重融合,在最终的决策层中识别出动作类型。为了能让移动机器人更好地跟随需要辅助的老年人,本文提出一种基于目标检测的多特征融合的目标跟踪算法。首先用基于目标检测的方法从RGB视频中检测出老人;然后通过卡尔曼滤波提取检测结果的运动特征解决目标遮挡等问题,通过深度学习的方法提取检测结果的外观特征解决跟踪错乱等问题,将两个特征加权融合计算跟踪序列的相似度;最后将相似度近似的跟踪序列利用匈牙利算法进行关联匹配运算,达到视觉上稳定跟踪的效果。在老年人久坐干预辅助系统中,本文通过老年人与单目摄像头之间距离的变化来控制机器人的前进后退,通过视频里检测框和跟踪框的交并比变化来控制机器人的移动速度,从而提高机器人跟随目标的稳定性。在系统的动作识别模块中,本文通过Soft-NMS算法筛选最优滑动窗口,提高久坐干预动作在线识别的稳定性。