现今社会开始逐渐步入老龄化,人们对老年人身体健康问题关注度越来越高。子女往往因社会激烈的竞争、工作压力等因素不能时常陪伴老人造成空巢家庭数量剧增。在这样一个全球老龄化和空巢家庭的社会大背景下,独居老人跌倒引起的身心伤害问题亟待解决。为了能够及时为老年人提供帮助,减轻摔倒带来的伤害,研究一套能够应用在家庭或公共场合的智能行为监控系统是非常必要的。鉴于现代智能化技术的飞速发展,在总结了已有的行为识别技术基础之上,本文研究了一种完全基于计算机视觉的人体行为识别算法。本文的研究工作主要包括四个方面:(1)根据老年人生活中常见的行走、坐下、蹲下、跌倒四种行为进行模拟并录制视频,构建了行为数据库。(2)深入探讨了目前常用的目标检测方法,光流法、帧间差分法和背景减除法,并根据其优缺点提出了一种改进的前景目标提取方法。该方法将三帧差法和基于高斯背景建模的背景减除法进行加权结合,弥补了三帧差法的空洞现象和背景减除法对动态因素敏感性等缺点,使得在复杂多变的场景中仍然能够提取出较完整的目标。(3)综合分析了人体各种行为过程中的体位变化特点,采用多特征融合的方法进行行为描述。将人体的高度、宽高比、质心、外接矩形周长及宽度变化率、Hu矩、Zernike矩特征融合在一起完成行为特征的表示。(4)通过比较多种行为识别方法,选用支持向量机的算法对人体行为进行分类与识别。本文先对支持向量机中的参数进行了优化,然后将训练样本的融合特征数据输入支持向量机中训练分类器并使用训练好的分类器模型预测待测试的行为样本,实现行为的判别。使用上述方法进行了行为识别实验,实验结果表明,基于多特征融合的行为识别算法达到了较高的识别率,能够有效的识别跌倒行为。该算法应用到相关电子设备后将具有广泛的应用前景和巨大的经济价值。