随着科技的日益发展，人工智能、大数据等新兴技术已经开始逐渐地走入人们的日常生活，智能家居产品也迅速地进入人们的视野。在传统的智能家居系统之中，视频监控中人体的行为识别主要依靠人工，这种方式必将给视频查看工作带来极大的工作量。针对这一问题，本文对人体行为识别技术进行了研究并将其应用到智能家居系统之中，以实现可以自动进行视频行为分类的功能，从而建立一款更加智能、便捷的智能家居系统。本文所做的主要工作包含以下内容：
　　首先介绍了智能家居与人体行为识别的研究背景和意义，分析了国内外智能家居与人体行为识别的发展和研究现状。根据系统的功能要求，对系统进行了总体分析与设计，确定了系统由PC端、主控中心、控制节点三大部分组成的总体框架。其中PC端主要负责视频数据的处理，主控中心负责控制各个控制节点以及视频数据的传输，控制节点负责控制各个家电设备。在此基础上，进行了系统的硬件与软件设计。
　　其次对人体行为识别算法进行了详细研究。先是介绍了单流卷积网络、3DCNN网络以及双流卷积网络等几种常见的人体行为识别算法，并分析了它们的不足。并对双流卷积网络进行了改进，在双流卷积网络的基础上结合LSTM，以此避免双流卷积网络中长时间的时间信息在特征信息中的缺失，从而解决了双流卷积网络使用抽样帧作为输入数据导致标签信息不完整甚至缺失等问题。并对改进的算法进行了实验分析，实验结果表明改进算法具有更高的识别率。
　　再次对基于人体行为识别的智能家居系统进行了实现，主要包括主控中心视频数据的传输实现、PC端行为识别软件的实现以及对家电控制的实现。
　　最后本文对系统进行了测试，测试结果表明：本文设计的智能家居系统可以控制各个房间的家电设备，并且同时可以有效地进行视频图像中的人体行为识别。