随着社会老龄化的加剧、人力资源的匮乏以及劳动力成本的提高,智能护理机器人有着广阔的发展前景。针对护理对象的行为识别技术是智能护理机器人的重要研究内容。但是目前针对护理对象的行为方式及其识别问题的研究较少,所以如何准确高效地对护理对象的行为进行识别,对于保证护理机器人在实际生活中正常工作具有重要意义。本文以此为研究背景对护理对象的行为识别方法进行研究。主要工作内容与创新性成果如下:1.以老年人为主要研究对象,采用基于视频的行为识别方案实现行为的分类识别。目前由于缺少实验需要的公共数据库,本文选用医院护理场景为拍摄场地,由实验对象模拟老年人不同行为采集视频,进行数据库的构建,以保证数据库的实用性。本文最终建立的老年人行为数据库包含“行走”、“起床”、“站立”与“翻身”4种类别的训练样本与测试样本。2.针对视频中护理对象运动目标的检测精度与检测速度问题,研究了老年人运动目标的检测方法。基于本文构建的行为数据库,采用隔帧差分与Lucas-Kanade光流法相结合的隔帧光流法实现目标检测。通过实验验证了该方法在提高检测速度的同时达到了较好的检测精度,并为后续行为识别提供了底层信息。3.针对行为识别中的特征提取速度与识别效果问题,结合老年人行为方式的特点,本文提出了利用跨层式卷积神经网络自主提取特征,结合支持向量机多类行为分类的护理对象行为识别方案,分别从网络结构、激活函数、分类机制以及参数选取等方面进行了设计。统计并对比了跨层式CNN-SVM模型与卷积神经网络以及其他识别算法的实验结果,证明了本文提出的方法具有较好的识别效果与实用意义。