随着人机交互等技术的高速发展,人体行为检测逐渐成为研究热点,并在竞技体育、卫生保健、智能家居等方面得到广泛地应用。人体异常行为检测作为智能居家养老系统的基础,在为用户提供活动援助和医疗护理等方面将发挥至关重要的作用。传统的异常行为检测研究中,人体行为信号的采集多采用可穿戴式传感器或图像传感器。前者数据直观,但易受到动作幅度和传感器性能等因素影响,后者无需穿戴,但受环境背景、遮挡等因素影响。鉴于两者的优缺点及单一传感器在行为异常检测的局限性,本文在对已有行为识别中关键技术进行深入探讨的基础上,提出一种基于多传感信息融合的室内异常行为检测方案。该方案通过采集并融合部署在人体胸部、脚踝传感器数据和室内固定位置的图像数据,针对不同类型的行为,提取不同的特征,进行室内人体行为异常的检测,具有良好的抗干扰性和检测精度。本文主要完成了以下工作内容:1.在分析行为检测技术及行为分类技术的国内外研究现状的基础上,提出一种基于穿戴式技术和视觉技术的多传感的室内异常行为检测方案。2.设计并实现了运动数据采集系统,该系统包括数据采集硬件终端和软件系统两部分,硬件终端传感器包括三轴加速度计、三轴陀螺仪、三轴磁力计及摄像头,通过对多传感器数据的融合,为室内异常行为的检测提供有效的人体姿态与动作信息。3.针对现有的基于加速度的检测算法的不足,分别设计了一种基于双阈值的摔倒行为检测的改进算法和基于多特征的运动检测改进算法,改进后的算法具有较好的鲁棒性。针对单纯基于加速度算法无法检测的异常行为,本文提出融合视觉技术进行检测的策略,系统的仿真实验结果表明该策略有效地提高了系统的整体检测精度。4.本文还设计实现了一套基于Matlab平台的室内异常行为检测仿真系统,该系统可以实现人体行为检测、结果的展示及数据导入导出等功能。