随着机器人技术的发展,机器人进入民用领域条件日趋成熟。人的行为理解是服务机器人进入家庭环境,为人提供自主服务的前提。由于家庭环境下人体目标行为模式的多样性、所处环境的复杂性,使得家庭环境下行为理解成为一个极富挑战性的课题。依靠机器人自身有限的感知和计算能力,更加难以实时的完成行为理解任务。因而,本文借助家庭助理机器人综合平台,利用了智能空间技术使得家庭服务机器人的感知能力和计算能力得到了极大的外延。家庭环境下行为理解问题被定义为“利用机器视觉技术结合智能空间信息系统的数据库、知识库对人的行为和意图进行分析”。主要的研究内容如下:1、从处理流程上阐述行为理解的一般框架,分析了其中涉及到的关键技术。并借助家庭助理机器人实验平台,提出家庭监护系统的行为理解方案。2、运动人体检测是行为理解初级阶段需要解决的问题。本文对基于GMM背景模型的运动检测算法做了如下改进:在背景初始化阶段,采用动态学习率提高了背景模型的准确性;在背景更新阶段,提出运动人体检测的结果指导背景更新的策略,使得复杂运动形式的人体运动不被背景吸收;在后期处理阶段,将基于GMM的运动检测算法与边缘差分相结合,消除运动检测中的断裂、孔洞现象。3、提出复杂环境下基于特征融合的日常动作、突发异常(摔倒)检测方法。利用人的姿态、姿态变化速率特征、人的位置变化特征表征人的运动状态,通过合成简单的姿态事件并结合特征来表达具有复杂时空关系的运动事件。4、在智能空间技术平台的支撑下,提出了一种新的基于场景信息的行为理解方法。利用机器视觉技术,并结合家庭智能空间平台提供的环境信息,实现了正确理解人的意图、准确识别人的反常习惯行为和突发异常事件。首先利用运动目标检测方法,提取运动人体在环境中的坐标,然后结合场景划分出不同区域,建立人体在环境中的位置状态关联矩阵和时空关联矩阵;通过马尔科夫模型统计出人体在空间中的位置状态转移概率矩阵及其状态持续时间矩阵,构建日常行为模板。根掘当前行为与日常行为模板的相似度检测反常习惯行为和突发异常事件,并根据不同区域的行为模式分析人的意图。实验表明该方法在实践中可行,在意图识别、异常行为理解方面有广泛的应用前景。5、行为理解作为机器人获取环境信息的一种方式,有其它传感器无法比拟的优势。本文的最后一节讲述了基于观察人行为的信息获取模式在机器人导航中的应用,集中体现了智能空间系统的信息共享。