随着社会的不断发展和进步,人口老龄化已经是一个必然的趋势。老年人是社会中的弱势群体,在日常生活中极易发生各种危险。当今社会独生子女数量众多,他们往往因为生活节奏、工作压力等因素影响不能陪伴在老人身边,使许多老年人处于无人照看的状态。当因为跌倒等原因产生危险时,老年人往往无法获得及时的救助而酿成重大伤害。因此,建立一套智能的家庭监护系统,对老年人的行为实时监看及分析,并自动检测出摔倒等异常行为,使老年人能够及时的得到救助是非常有必要的。目前,已有一些针对老年人日常行为活动的家庭检测方法,但有诸多不足。如基于穿戴式设备的行为检测,因为需要老年人携带各种传感设备在身上,所以大大限制了其在实际生活中的应用；而另一种基于活动量信号的行为检测方法,主要是利用安装在家庭中的各种传感器来获取人体的日常活动量,通过分析建立日常活动模型,利用模型来判断是否出现异常,这种方法主要依赖于各种特定的传感设备。而基于计算机视觉的老年人家庭行为检测,因智能监控技术的不断发展及其巨大的实用性,使其越来越受到广泛的关注。本论文对基于计算机视觉的人体异常行为检测算法开展了研究,主要研究工作如下：(1)提出了一种基于HSV颜色空间和纹理特征相结合的阴影消除算法,根据阴影的颜色属性利用HSV颜色空间进行阴影检测,获得候选区域,然后再基于梯度空间信息提取图像纹理作为补充。最后通过中值滤波和形态学处理去除图像中的噪声,将获得的前景轮廓作为下一步特征提取的输入图像。(2)采用空间矩和投影直方图分别提取运动目标的形状特征和统计特征。通过连续获取相邻两帧图像质心求得欧式距离作为人体的运动特征。将三种特征有效融合,从而包含了行为的空间信息和时间信息,完整描述运动人体的行为。(3)拍摄建立了行为视频数据库。采用佳能IXUS115HS摄像机在室内环境下,自行拍摄了模拟老年人各类日常行为的视频,建立包含了140段视频的行为数据库OwnDataBase,涉及到六类日常行为,分别是：行走、慢跑、坐下、蹲下、弯腰和跌倒(前跌和后跌)。视频采集场景一定程度上符合实际场景。(4)通过对现有分类算法的研究,提出了一种以支持向量机为核心分类算法的异常行为检测框架。该方法以获得未知行为的空间矩特征、投影直方图特征和运动特征联合作为行为识别特征,将其送入利用支持向量机分类器中进行识别分类,根据分类获得的类标签判断属于哪种异常行为。实验结果表明,该方法能够有效检测识别跌倒等异常行为,对走路等正常行为也具有良好的识别性能。