近年来,我国迈入老龄化社会,人口结构老化。在有老人的家庭中,老人的子女常常因工作因素,致使老人独自在家中生活。近年来,因为没有人及时发现日常生活中出现意外事故的独居老人,从而导致老人伤残,甚至死亡的事件时有发生。为了降低此种事件的发生率,及时发现老人的异常和报警,成为了解决这一问题的关键因素。智能视频监控系统可以有效的解决社会安防问题,受到越来越多人们的欢迎,它可以自动的将视频中的关键信息提取出来并进行处理,不仅节省了大量的人力、财力资源,同时也提高了工作效率。作为它的一个分支,基于HMM的家庭监护系统研究是一个具有重大意义的研究课题。本文给出了一个基于HMM的家庭视频监护系统,并对此系统的三个方面进行了深入的研究,详细分述如下：1.目标人体检测本文较为全面总结了目前现有的目标人体检测方法,如帧间差分法、背景减除法和混合高斯模型背景建模法。人在家庭环境下,可能处于静态,如坐,躺等状态；也可能处于动态,如走、弯腰等状态。现有的方法中,帧间差分法对静态的人体检测效果较好,但易受光照等因素影响；混合高斯模型背景建模法对动态的人体检测效果较好,且不易受光照等因素影响,但对静态的人体检测效果不理想。为了能较好检测到静态和动态的目标人体,本文结合了帧间差分法和混合高斯模型背景建模法对目标人体进行检测。实验表明,取得了较好的效果。2.目标人体跟踪本文运用MeanShift方法进行目标人体跟踪。这一方法计算量小,适合于实时的目标跟踪。这一算法用颜色直方图作为搜索特征,对目标遮挡、旋转、变形不敏感。此外,我们的目标是把这一系统做成嵌入式系统,这一算法也比较适合在嵌入式系统上实现。3.基于HMM的目标人体行为理解传统的基于HMM的目标人体行为理解分类算法,只考虑了人体行为的分类。但是在现实生活中,人是具有一定生活规律的生物,这可能会导致某个时间段内人的正常行为被误判为异常行为。本文在此基础上,融入了人的生活规律和行为持续时间,不仅考虑到了人的生活规律,还在一定程度上兼顾了个人生活规律的差异。通过抽取指定的特征和设定适合的阈值来对人体的行为进行理解。最后,我们用自建视频数据集和以色列的Weizmann人行行为数据库进行了实验,证实了本文算法的有效性。现有基于HMM的人体分类研究都是针对无特定类别的人体行为进行理解和分类,并没有进一步针对特定的群体进行应用研究。因此,这些算法的应用具有很大的局限性。本文结合老年人生活规律及行为持续时间,对老年人家庭监护进行了深入研究,拓展了应用的领域。另一方面,家庭监控系统作为一种智能设备,在对老年人进行监护时较少需要人的干预,减轻了人的负担。通过对自摄视频的检测,实验结果显示了本算法的可行性和有效性。