随着国内人口老龄化程度加剧,日益增长的老年人护理和上门家政服务的需求与护工人数不足形成矛盾。针对独居老人容易因关节炎发作及其他疼痛原因引发摔倒跌落事故且跌倒跌落事故容易导致髋关节骨折等预后不良的特点,提供一个监护系统实现无人值守地向护工发送多名独居老人的生活状态,并且对其是否疼痛的精神状态进行自动识别,在跌倒意外可能发生前对其护工进行预警,护工有针对性地上门对被监护独居老人的情况进行了解和干预,可避免发生因精神状态不佳引起的跌倒事故。因此,开发此类独居老人的自动化综合监护系统具有重要的意义。本文主要研究一种基于表情识别的独居老人综合监护系统。该系统以预防伤害事故发生为目的,运用机器视觉算法对独居老人日常的精神状态表情进行表情识别,并对其表情识别的结果进行机器学习分类,当监测到存在异常的精神状态表情(如时常有痛苦的表情)及时向监护方发出预警,同时增设对独居房间的有害环境因素进行监测,以实现对独居老人的远程综合监护,避免意外摔倒等意外情况的发生。其中放置于独居老人房内的被监护端模块由多个传感器组成,监测房间内的温湿度、光照度、异常气体浓度等环境数据;在老人精神状态识别方面,利用老人进出房间门的时机,对老人的面部表情特征作表情识别,如识别出痛苦表情,系统及时向监控方预警,避免老年人因精神状态不佳引发跌倒等严重事故。对于痛苦表情的识别,本文研究了基于颜色特征的人脸检测算法,以快速判断摄像头采集的图像含有适当占比的人脸特征并适用于表情识别,以便重新采样,增加监护效率。对含有人脸特征的图像进行人脸关键点的提取,并研究了这些关键点的对齐算法利用对齐后的关键点进行基于支持向量机的机器学习,以达到精神状态表情识别的目的。最后,本文利用Arduino以及树莓派平台对上述模块进行集成与测试,验证了识别算法的实用性,利用微信公众号平台使监护端和被监护端建立了连接,实现了对独居老人的综合监护。