当今社会人口老龄化程度不断加深,独居老人的养老问题受到社会越来越多的重视。因此,运用智能技术建立独居老人监护系统,及时发现老人的异常行为,监护独居老人的生命安全,成为目前社会养老问题的迫切需求。在此背景下,本文基于视频数据,提出了一种基于时空特征的栈式卷积ISA模型特征提取方法,对提取到的特征进行聚类分析,再通过支持向量机分类器对行为进行分类,识别出异常行为,主要研究内容如下:首先归纳总结现有方法。通过查阅大量国内外相关文献,对现有的异常行为特征提取方法进行了概述,从全局特征提取和局部特征提取两个方面进行了介绍和分析。针对现有的特征提取算法的缺点,提出了一种新的基于时空特征的特征提取模型—栈式卷积ISA模型。该模型通过无监督的特征学习从视频中提取人体运动的时空特征,这种特征提取方法能够高效地处理大样本数据,提取到内容更为丰富的显著特征,适合处理视频的识别工作。其次针对原有模型的学习算法受正交约束计算维度高,收敛速度慢的缺点,对其进行了改进,将正交约束的权值优化转化为无约束优化,提出了一种新的学习算法—L-BFGS算法,改进后收敛速度有所加快且识别率也有一定提升。最后详细介绍了本文基于视频数据的老年人异常行为识别方法流程,本文的整体系统包括视频样本的采样、数据预处理、时空特征提取、特征聚类及行为识别。并使用MATLAB软件在录制的日常行为视频库上对其进行了仿真验证。