目前,我国已经进入老龄化时期,独居老人的数量也在不断增加。如何更好地对老年人进行照顾成为目前有待解决的重要问题。为了能够远程关注老人的状况,通常采用视频监控作为一种主要的监护方法。但是视频监护有一个弊端,即监护人需要实时关注视频中老人的状况,这样会分散监护人的注意力并影响他们的工作效率。因此对视频进行一定的处理并向监护人报告异常信息是非常有意义的。据研究表明,人在交流时面部表情可以传递约55%的信息。因此可以通过提取视频中人脸的表情来预测是否有异常情况。一旦有异常情况,可以及时通报给监护人,从而做进一步的处理。本文将对视频中老人的表情识别进行研究,并提出一种表情异常时老人的监护方法,主要工作如下:1.在进行面部表情识别前,需要首先对视频中的人脸进行检测。本文提出了一种基于改进Haar特征的人脸检测方法,对已有的Haar特征进行改进并提出了一种表示人脸眼睛鼻子嘴巴区域的Haar特征。最后对人脸检测算法进行了实现与结果分析。2.人脸表情的识别,目前人脸表情识别的常用方法有传统识别方法和基于深度学习的识别方法两种。本文提出了一种改进的基于深度学习的表情识别方法。该方法提出了一种适用于表情识别的网络结构模型,该模型通过使用可分离卷积和残差网络来提升网络的训练速度。同时,将检测到的人脸区域和提取的人脸特征点一起作为该模型的输入。最终训练得到一个用于表情识别的模型,该模型最终得到了79.6%的表情识别准确率。3.提出了一种面向老人的视频异常监控以及异常处理系统。该系统可以将采集到的视频数据存入数据库,并通过服务器按照消息队列的方式提取数据库中的视频序列。然后利用表情识别模型进行视频中老人的表情识别,在识别到表情异常时,服务器可通过推送的方式向监护人提醒并为老人进行情感干预。