人体睡姿识别是计算机视觉与模式识别研究领域的重要组成部分。在人口老年化的今天,很多养老院的老人不能得到二十四小时的监护,通过实时监控并识别睡姿可以捕获老人因某种疾病突发摔倒在地的动作,并做出相应处理,如叫救护车、通知监护人等。此外,睡姿和健康有很大的关系,针对不同人,特别是体弱多病的人群,采用适当的睡姿可以预防疾病,所以可以设计基于睡姿识别的警报系统。因此,睡姿识别具有非常重要的研究和应用价值。通过计算机视觉识别人体睡姿在国内外研究甚少,几乎没有一个完整研究。与其它基于计算机视觉的识别类似,睡姿识别主要分两大类：静态图像的睡姿识别和动态视频的睡姿识别。本文针对静态图像的睡姿识别做了以下工作：(1)定义了四种基本的睡姿：即仰睡、俯睡、左侧睡和右侧睡,文中主要针对这四种睡姿进行识别。(2)研究并实现了睡姿图像的预处理算法,由于睡姿图像的背景不同,大小不同,并且受光照条件的影响,所以首先采用直方图均衡化等方法对图像进行预处理,预处理为提高睡姿识别率奠定了良好的基础。(3)研究并实现了睡姿图像中的目标分割,图像中的目标即为人。由于图像的背景和形状较复杂,传统图像分割算法不能准确地判断实际目标的边界。本文采用水平集方法分割图像中人体所在区域,与传统图像分割方法相比,水平集方法用隐式表达的演化曲线(面)可以很自然地改变拓扑结构,因此可以分割图像中具有复杂形状的目标对象。(4)实现了对分割后的睡姿图像进行特征提取和识别。由于BP神经网络在目标分类和识别方面有很好的效果,所以本文使用BP神经网络方法设计分类器并进行训练。实验结果表明本文采用的方法能够适应较复杂背景的人体睡姿识别,且计算速率较高,达到了良好的识别效果。