随着世界经济持续发展,人口老龄化问题日益突出。为此,我国提出“9073”养老模式,即在全市户籍老年人中,90%由家庭自我照顾,7%享受社区居家养老服务,3%享受机构养老服务。然而现有的居家养老服务从业者人数和专业性远远达不到社会需求。随着人工智能、物联网技术的发展,智能住宅技术能够为独居老年人提供一系列的生活辅助,跟踪住户健康状况、实现居民异常行为识别,能有效缓解这一难题。然而,智能住宅在实际研发和应用中还存在以下几个问题:(1)当前智能住宅主要应用于智能家居、环境监测和智能安防等,关注居民的身体健康状况、居家异常行为的应用较少;(2)智能住宅传感系统的风险意识不强,在收集住户健康信息的同时,也要注重隐私的保护;(3)对老年人异常行为的监测,目前主要采用手环、RFID标签等方式,对用户异常行为识别的精度不高,误报情况较多。为解决以上问题,本研究提出了一种新的居家异常行为检测思路,针对老年人居家异常行为,提供检测和预警。主要工作如下:(1)梳理老年人常见异常行为、发生原因,构建了异常俯身和跌倒行为模型。从计算机视觉、可穿戴设备和室内定位传感器的角度对典型的异常行为检测方法进行梳理;(2)提出基于普通相机获取人体灰度图,并通过深度学习的技术和欧式变换等方法获得人体骨架图及其三维坐标的方法;(3)构建了一套异常行为监测系统。结合老年人异常俯身和跌倒行为模型提取人体骨架的关键特征点,使用SVM机器学习的方法对数据进行分类和识别,实现了对老年人居家异常行为的识别,实验准确率达97%。本文所构建的方法及异常行为监测系统能够大大提高居家老年人异常行为感知效果,用于面向老年人的智能住宅的构建,能有效减缓有关政府部门和家庭的养老压力,具有重要的研究和应用价值。