人体监督一直是计算机视觉领域的一个热点与难点,涉及到多领域的交叉与融合,是模式识别理论的高层次应用,人体监督主要包括人体身份识别与人体行为分析等问题。本文主要针前两个问题进行了探讨与研究,并尝试设计了一种应用于智能居家领域的智能人体监督系统。本文取得的主要成果包括：首先,提出了智能人体监督系统的整体设计方案,致力于解决智能居家环境下的人体身份识别与人体行为分析问题。针对前一个问题,结合随机森林算法实现了一种快速人脸检测算法；对于后一个问题,利用隐马尔科夫模型(HMM)实现了人体基本动作的识别,然后利用基本动作的组合实现了高层人体行为的分析。其次,利用Kinect传感器,将深度图像引入到传统的计算机视觉研究领域中,将传统的二维视觉图像处理问题转化为三维问题,利用深度图像产生的三维人体骨架模型,解决了传统二维图像面临的视角依赖性的问题,使得人体行为分析问题得到简化。对于人脸检测问题,结合随机森林原理设计了一种能够实时快速地对特定人的人脸进行检测以及验证的算法,同时算法具有在线学习的能力,能够实时对目标人物的人脸特征进行学习,改善人脸检测模型的检测效果,算法对人脸不同姿态具有高度的适应性。实验结果表明了算法的有效性。对于人体行为分析问题,设计了一种基于深度图的底层动作特征提取方法。基于深度图的人体三维骨架提取的人体姿态特征能够有效的对人体姿态进行表征,结合人体运动特征,所提取的特征能够很好的反映人体进行的不同动作；同时利用HMM模型对人体简单动作进行建模以及识别,提高了动作识别的稳定性；最后利用动作识别结果,设计了一种基于模糊规则的人体行为判别方法,实现了高层的人体行为的分析。实验结果表明了人体动作特征提取方法的有效性,同时也表明了动作识别以及行为分析具有良好的性能。