随着社会的进步,人类的人均寿命越来越来长,我国面临着严重的老龄化问题。为了减轻人口老龄化带来的养老压力,科学家们提出用大数据、物联网、人工智能等技术开发智能化的居家养老系统,对老人的行为、生理、心理等状态进行监测,并提供个性化的养老服务。本文是在该背景下,研究基于音频的老人行为识别算法,通过对传感器所采集的音频信号进行有效识别,实现对室内老人危机状态的及时告警。针对室内老人活动所产生的音频信号数据收集成本高、标注耗时久的问题采用半监督学习的方法构建深度学习识别模型,针对音频信号的复杂度较大、非线性变化多的特点提出了基于深度表征互信息最大化的半监督一致性约束方法,通过优化全局表征与局部表征间互信息最大化保证模型对非线性音频序列的预测一致性,同时提出基于度量学习的统一半监督约束权重规范化模型的优化方向,以提升泛化能力,并开发了基于多源环境信息的老人行为识别与异常告警系统。本文具体工作如下:提出一种基于深度表征互信息最大化半监督音频事件分类算法。通过研究深度表征互信息最大化的一致性正则方法构建全局-全局和全局-局部表征间互信息最大化约束,鼓励模型通过全局互信息与局部互信息中挖掘样本间的潜在联系,以加强全局表征间的一致性与全局-局部表征间的非线性相关性,构建具备较强鲁棒性的半监督音频事件分类模型,实现多标签混叠音频事件的准确识别。最终提高对多标签混叠音频事件的识别能力。提出一种基于度量学习的统一损失半监督学习方法。从几何角度出发,将半监督学习的熵最小化约束、一致性约束、分类约束同一转换为基于度量的约束,最后使用统一的度量约束方法对深度学习模型进行优化,提高预测模型的泛化性,提升模型对嘈杂标签数据的学习效果。实现基于多源环境信息的老人行为识别和异常预警系统。采用多源传感终端感知周围的环境信息,为系统功能的实现提供数据支持,通过采集音频信息并分析实现对老人状况的预警功能;设计平台软件实现系统的数据存储和预览以及可视化的配置界面。