随着人们生活水平的不断提高，健康问题越来越受到人们的关注。日常生活行为量表可以作为一个评估标准用来对生活能力进行评定，便于尽早发现潜在疾病，保护人体健康。因此，对日常生活行为进行识别具有重要意义。同时日常生活行为是发生在居家环境下，而居家环境下的行为识别相比于其他环境具有免打扰的特点，因此设计的系统需要具有融入式的特点。　　为了实现居家环境下的融入式行为感知与识别，本文采用了基于物体、人、以及人和物之间关系的识别架构。该架构主要包括部署在物体上的行为检测设备，人体佩戴的可穿戴设备以及服务器三部分。其中，行为检测设备用来检测行为的发生并将识别的数据结果通过蓝牙广播的方式发送到可穿戴设备上，可穿戴设备接收由行为检测设备发送的数据并记录相应的接收信号强度值，然后将接收到的数据和接收信号强度值一起发送到服务器。由于行为检测设备自身资源有限，因而需要一种能运行在资源受限设备上的行为识别算法。在同一个居家环境下，可能出现多个需要进行行为识别的人体，为了能获得单个个体的日常生活行为数据，需要一种能有效识别行为操作者的方法。另外，当多个个体同时出现在相近区域时，多个个体之间由于位置相近而同时接收到行为检测设备发送的数据，进而带来操作者判断不明的问题。因此，在多人场景下，更需要一种能准确识别行为操作者的方法。本文主要针对对物体造成位移改变的一类行为进行研究。本文的贡献总结如下:　　一、提出一种基于决策树的轻量级行为识别方法，简称EasiAR方法。现有研究在行为识别上所使用的方法有隐马尔科夫模型、支持向量机、贝叶斯网络等。这些方法由于计算复杂度太高不适用于用在资源受限的行为检测设备上。EasiAR方法针对能对物体造成位移改变的一类行为进行识别，通过选择振动和位移作为识别特征，构建一个轻量级的决策树分类器。基于决策树的行为识别算法能在保证较高行为识别准确度的同时，降低计算复杂度。同时，在对位移特征进行提取的过程中，为解决由传感器数据进行积分带来的漂移问题，提出了一种信号处理方法EasiDC。该方法通过在原有积分器的基础上设计实现一个高通滤波器，限制了低频漂移噪声在积分器上的无穷大响应，能有效解决积分漂移问题。　　二、提出一种基于个人行为特征相似性的行为操作者识别方法，简称EasiOR方法。由于在居家环境下会存在多个需要进行日常行为识别的个体，因此在识别出人体行为的同时还需要对行为的操作者进行识别。特别地，当多个个体出现在同一区域时，需要解决多个个体由于位置相近而造成的相互干扰问题，准确地识别出行为主体。现有研究采用图像识别的方式进行人体识别，但是基于图像识别的方法容易受到环境因素影响且由于不适用于居家环境的检测。本文提出的EasiOR方法首先通过多项式的最小二乘法对个人在产生行为时的接收信号强度值进行建模，然后在多人场景下计算各人接收到的信号强度和自身模型之间的相似性，最后对比不同个体与其模型之间的相似性大小，以达到对行为操作者进行识别的目的。　　三、设计搭建了融入式行为识别系统平台，并对本文提出的EasiAR方法和EasiOR方法进行验证。本文通过六名实验者对EasiAR方法在使用冰箱和使用固定电话两种行为的识别准确率进行了验证，实验结果显示可在两种行为上达到96％和95％的识别准确率;通过七名实验者在多人场景下对EasiOR方法在1.5m，1m和0.5m三个距离上的识别准确率进行了验证，实验结果表明EasiOR方法在以上三个距离上可分别达到90.7％，78.9％和65.3％的识别准确率。本文还分析比较了使用EasiOR方法和未使用EasiOR方法的识别准确率，实验结果表明使用EasiOR方法相较于未使用EasiOR方法的平均识别准确率在1.5m，1m，0.5m三个距离上均提高了40％左右。