随着独居老年人数量逐年增加,他们的安全问题越来越受到社会的广泛关注。人体行为识别技术能根据图像信息自动识别人体状态,对保障老年人安全具有重要意义。由于红外图像具有受光照影响小,保护隐私等优点,基于红外图像的人体行为识别方法逐渐流行。目前,研究者大多采用基于图像特征的方法对人体行为进行识别。然而,由于红外图像存在分辨率低、信噪比差等缺陷,使得现有方法结构复杂,识别精度低。本文以不同角度,提出将人体像素高度转换为人体真实高度的思路,设计了基于逆向投影和红外图像的室内人体行为识别解决方案,具有重要的创新意义和实用价值。本文具体的创新内容如下:（1）针对现有方法提取人体候选目标准确度低的问题,本文提出了基于室内红外图像中人体特性的候选目标提取方法。首先,根据人体与背景温度值的差异,设计了红外图像增强算法;其次,采用中值滤波对增强图像去噪,消除离散噪声点的干扰;再次,采用最大内间方差法对去噪后的图像进行分割;最后,对分割后的图像进行图像形态学处理,利用人体特性提取候选目标。实验结果表明该方法具有较高的精度和较强的适应性,为后续人体目标跟踪奠定了良好的基础。（2）针对人体运动状态复杂导致现有的卡尔曼滤波目标跟踪方法精度低的问题,本文根据红外图像特性,对其进行了相应改进。首先,提出了利用人体与噪声连通域特性进行人体初始定位的方法;其次,通过改善帧间间隔、设计修正准则和重建目标运动模型,设计了类卡尔曼滤波人体目标跟踪方法。最后,开展了室内人体不同行为跟踪实验。实验结果表明,与现有方法相比,本文所提方法成功率更高,能够满足室内红外人体目标跟踪的要求。（3）针对目前传统红外人体行为识别方法直接利用图像特征,导致识别精度低的问题,本文提出了基于逆向投影的人体行为识别方法。首先,根据投影映射的几何关系设计出逆向投影算法,实现了从二维图像人体像素高度到三维世界人体真实高度的转变;其次,对获取的数据进行平滑处理,减小数据波动;再次,根据室内人体不同行为在真实世界的特性,设计了人体行为识别方法;最后,通过对跌倒与下蹲,跌倒与行走等人体行为进行实验,验证了逆向投影算法的有效性;通过对跌倒、下蹲、行走、站立、静坐和平躺等室内人体常见行为进行对比实验,验证了本文所提方法的先进性。