中国正逐渐进入老龄化社会,老年人随着年龄的增大会出现四肢行动不便、独立生活能力差等问题,非常需要社会给予特殊的看护。因此,研究和开发可以为老人提供服务的智能看护系统具有重要的现实意义。本论文主要针对日常生活场景,研究面向家庭环境的人体行为分析方法并开发相关软件,具有良好的实际应用价值。论文的主要工作如下:(1)针对视频帧之间冗余度高的问题,设计了一种基于聚类的视频关键帧提取方法。首先将视频分解为单帧的形式,然后提取视频每一帧的特征,接着使用特征对视频所有帧进行聚类分析,最后从聚类簇中选取部分帧作为关键帧。使用关键帧代替视频进行后续处理,能够显著降低计算复杂度。(2)设计了一种基于视频序列的骨架行为识别方法。首先对视频中的人进行姿态估计,然后根据姿态估计的结果生成骨架时空序列图,最后使用图卷积神经网络对骨架时空序列图进行行为识别。不同于现有的离线姿态估计加在线骨架序列识别的行为识别方法,该方法能够端到端对人体姿态和人体行为进行学习。虽然所设计的基于视频序列的骨架行为识别方法可以直接对视频序列中人体行为进行预测,但是姿态估计本身存在的误差间接对行为识别的精度产生影响。为了弥补姿态估计产生的误差,进一步设计了一种基于多任务学习的人体行为识别网络。该网络分为视频序列和骨架序列两个分支网络,两个分支共享特征提取网络,并分别输出一组特征图,最终主网络对来自两个分支网络的特征图进行融合,使用全连接层输出分类结果。(3)开发了基于Python和Kivy框架的人体行为分析软件,包括视频解码、行为识别、预警和显示等功能模块。视频解码模块获取输入视频地址,从输入视频流中解析出正确的视频类型,并将视频流解码为视频帧;行为识别模块采用已设计的方法对解码模块得到的视频帧进行人体行为分析;预警模块统计行为识别模块得到的危险行为的次数,对出现次数大于阈值的危险行为,采用邮件的形式向监护人发送预警消息及视频片段;显示模块输出视频图像与识别结果。此外软件还通过交互界面对软件基础参数进行设置。