谈瑞良

随着人口老龄化与独居化趋势加剧，家庭场景中对跌倒、久留卫生间、异常作息及突发健康风险等行为的实时识别需求持续增长。单一传感器在遮挡、光照变化、噪声干扰及隐私约束条件下难以实现稳定可靠的风险判定。多传感器融合技术以异构感知数据为基础，在时间同步、特征对齐与决策推理层面构建协同机制，借助概率统计模型与多模态深度学习方法提升异常识别精度与系统鲁棒性。围绕家庭应用环境的复杂性与个体行为差异性，构建分层融合架构与个性化基线模型，有助于实现高置信度预警与低误报运行目标，并为智能家居健康监护体系的工程化部署提供技术支撑。

多传感器融合；家庭异常行为识别；智能家居；多模态感知

[1] 孔祥乾.基于深度学习的老人异常行为识别研究与应用[D]. 西北师范大学,2023. [2] 邓长海,葛辉,李俊卓,等.基于深度学习的地铁乘客异常行为识别系统的研究与实现[J].轨道交通装备与技术, 2025, 33(1):19-23. [3] 张婷婷.基于深度学习的老年人异常行为检测[J].长江信息通信, 2024, 37(6):55-57.

点击下载PDF