目前我国人口老龄化程度进一步加深,老年群体的监护成为当前社会亟待解决的问题。老人具有步态异常、平衡感弱和弯腰驼背等形态特征,而现有研究主要是通用化的人体行为识别研究,对老人行为特定化分析不足,存在老人近似行为和老人与物体交互行为识别效果不佳的问题;以及目前模型计算量较大和弱光环境下易漏检或误检的问题。为了实现对老人全天候精细化的监护,本文提出基于图像识别的老人行为检测策略。主要研究内容如下:1.本文分析行为检测的研究现状,对老年人的行为进行特定化分析,构建本文的老人行为检测技术架构。2.针对老人近似行为和老人与物体交互行为识别效果不佳的问题,本文提出基于可见光图像的老人行为检测策略。该策略是在Slow Fast主干网络中引入时间金字塔网络（TPN,Temporal Pyramid Network）以实现老人动作节奏的捕获促进近似行为检测;再引入异步交互聚合网络（AIA,Asynchronous Interaction Aggregation Network）,探究老年人与物体之间的关联度,进行实例级的特征融合促进交互行为检测,从而提高模型对老人行为识别准确率。实验结果表明,本文SFTA模型对老人行为检测准确率达到了92.7%,对老人的近似行为和老人与物体交互行为具有良好检测效果。3.针对目前模型参数量较大和弱光环境时基于可见光图像的策略易漏检或误检的问题,本文提出基于热红外图像的老人行为识别策略。该策略是以轻量化Mobile Net V2网络为主干网络,并在其倒残差块中加入时间移位模块（TSM,Temporal Shift Module）,在不增加计算量情况下,提取行为的时空信息;再引入时间金字塔模型（TPN）将多层次特征进行融合,加强红外特征获取和动作节奏信息提取,从而提高模型对老人行为识别准确率。实验结果表明,本文MTT模型的准确率为90.6%,模型复杂度为13 GFLOPs,模型计算量较小,此模型在Jetson Nano终端上可达到65帧/秒的帧速率。本文从提高老人行为检测准确率和模型轻量化的问题出发,利用验证平台,对所提的两种策略进行验证。实验表明,本文所提策略能有效提高老人行为检测准确率,本文SFTA模型能很好的识别老人的近似行为以及老人与物体交互行为,本文MTT模型降低了模型的复杂度和计算量,在光线较弱时也能很好的辨识老人行为。