随着深度学习算法的流行,图像的视觉计算研究受到越来越多研究者的关注,针对于此开展的各种图像分析的研究层出不穷。中国作为世界上的人口大国,人口的密度非常高,并且由于人活动的偶然性与不可预知性,因此无论是在日常生活中,还是在工作学习中,只要有人在的地方,都会有大量不可控因素导致这样或者那样的意外发生,进而产生不必要的危险。而随着摄像头的普及,监控网络无处不在,因此,基于视觉计算的情景理解分析就成为了非常必要的选择。本文主要提出了一种针对场景理解问题的目标检测算法以及一种基于姿势估计的特定行为检测算法与其系统功能实现。在场景理解试验中对现有的目标算法进行改进,该算法通过锚定框技术对边界框进行调整,提取更精确的特征,并设计了不同的卷积神经网络模型以及不同的损失函数来完成不同情况下的训练,并构建了不同特点的数据库用于训练。在行为检测试验中首先用SSD目标检测算法以及AlphaPose算法完成人体姿势估计训练,然后基于人体的姿势估计对特定行为——跌倒行为进行了行为检测分析,并依据此算法设计了一种针对老年人的异常监护系统。场景理解试验用设计的目标检测算法对构建的三种不同的数据集用不同的网络模型和不同的损失函数进行了训练与仿真。行为检测试验用AlphaPose算法以及设计的基于特定行为的跌倒检测算法对两种不同类型的数据集进行了训练与仿真,并且基于此完成了针对老年人异常监护的系统实现。仿真结果可以发现目标检测算法可以满足实时高精度的场景理解试验,基于姿势估计的跌倒检测算法也能够完成实时精确性的特定行为检测试验,并且构建的系统也有很好的实现效果。