随着电子信息产业和移动互联网的快速发展，环境辅助生活系统开始进入实际应用，它涉及到传感器、物联网、嵌入式系统、边缘计算、线下的医疗与看护服务等多个环节，其中基于传感器数据的人类行为识别、建模与异常检测，是该系统实现各种应用的基础。基于密集传感方案，对居家行为展开研究分析，包括数据源的融合、数据特征提取、建模判别以及处理方式等，实现了三个时间粒度层级的人类居家行为的发现、识别、分析和异常检测。
　　针对原有数据结构属性单一、时序复杂、需要人工标记的缺陷，提出了一种环境辅助生活系统的可拓展超集数据结构和超集转换算法。超集数据结构利用数据源的主观属性和客观属性，结合第三方数据，提升数据维度，为后续的特征选择与提取打好数据基础。超集转换算法将原有的传感标记数据结构无缝映射到作者提出的可扩展超集数据结构，保障系统数据的兼容性和适用性，提升了数据处理效率和数据的兼容性，为居家行为检测和异常识别提供了理论依据与技术支持。
　　针对行为识别领域缺乏手工标记的现实问题，提出了无监督的基础行为发现方法。该方法综合了数据驱动型与知识驱动型方案的优势，从固定时间片段内触发的传感器触发序列的频繁项中，挖掘出满足支持度阈值的1-3阶(分别对应原子、基础和复杂行为)传感器触发序列组合，挖掘标记为黑盒基础行为之后，对后续采集到的同类相似行为进行自动标记，解决了经典概率图模型缺乏人工标记时不可用的问题。
　　针对三种不同的行为(原子行为，基础行为，复杂行为)层级，提供了行为建模、行为判别和异常检测的方法。分别采用了ID3、隐马尔科夫模型和条件随机场对不同时间粒度的行为进行后台的离线分析建模；使用阈值和简单判别、行为字典相似度判断和轮廓相似度判断，以云边协同的方式实现前端的快速响应，实现有效的住户行为监护和异常检测。该方法投入了实际测试和应用。
　　基于上述方法，结合多种数据源集成和拓展兼容的问题，采用混合异构网络架构，设计实现了一个可拓展的环境辅助生活系统。该方案采用与国外CASAS方案同型号传感器和配置实现基本相同的功能，以云边协同的模式，通过嵌入式网关配合云端资源降低对本地服务器性能的要求，使用开源硬件，成本约为CASAS方案的十分之一， 且具备灵活性、拓展性和有效性。