随着我国步入老龄化社会,老年人的健康护理和起居安全问题引起了人们的广泛关注并亟待解决。智能视频分析技术能够从视频图像中检测、识别、跟踪人并分析和识别其行为。它在老年人远程监护方面具有巨大的应用价值,能够为老年人的生活健康和安全提供有力保障。本文在对智能视频分析相关技术的研究基础之上,设计和实现了非接触式老年人远程监护系统。首先,本文介绍了相关研究背景和国内外现状,在此基础上提出了非接触式老年人远程监护系统的概念,并阐述了系统的整体框架、主要模块和具体实现。其次,本文分析和比较了目前三种常用的运动目标检测算法(帧间差分法、背景减除法和光流法)的优缺点,然后着重介绍了混合高斯背景建模法。最后结合实际应用场景的特点,通过实验比较不同算法的效果,选取一种改进的自适应混合高斯背景建模法。然后,本文介绍了在线目标跟踪算法的基本原理,重点研究了一种基于压缩感知理论的跟踪(Compressive Tracking,简称CT)算法。针对CT算法存在的跟踪窗口尺寸固定不变、无法处理目标遮挡和再发现问题的缺点,本文提出了一种改进的长时间压缩感知跟踪算法。所提算法采用多尺度的目标外观模型再匹配的方法,使得跟踪窗口尺寸能够自适应目标大小;通过分析滑动窗口内跟踪窗口图像的整体特征变化来判定目标是否发生遮挡;为了解决跟踪漂移问题,我们采用HOG特征在线生成检测器,实现目标的再发现。实现结果表明本文提出的算法相比原CT算法具有更好的鲁棒性和准确性。最后,本文对运动历史图像(Motion History Image,简称MHI)和Zernike矩进行了研究。MHI能够形象的描述运动的时空过程。Zernike矩能够表示运动丰富的局部信息。通过规范化的MHI提取Zernike矩作为行为特征的描述子。实验结果表明,这种基于Zernike矩的人体行为识别算法能够很好的识别出行走,蹲下,弯腰,跌倒等行为。同时,本文提出一种基于人体轮廓宽高比和有效面积比的跌倒检测算法。