在嵌入式技术和视频监控设备迅速发展的今天,机器视觉技术的综合运用越发广泛,特别是在安防监控领域并且涉及到图像处理,人工智能等诸多技术的综合运用。而近年来频繁出现的公共安全问题也对监控预警系统提出了新的挑战,现如今的监控预警系统多是基于PC平台,并在社会中得到广泛应用,但系统体积大,不灵活,功耗高。而随着嵌入式软硬件技术的进步,使得越来越多的图像算法以及传感器可以被应用于嵌入式平台。本课题从穿戴式预警系统的总体规划出发,搭建硬件平台,引入相关机器视觉检测算法,对人脸识别和人体危险动作识别技术以及其在嵌入式平台上的应用进行了研究。本课题的主要研究工作包括以下几个方面:1)分析了现有的人脸识别和人体动作识别技术,提出了使用机器视觉的穿戴式预警平台整体设计方案,使用Kinect2.0采集人体危险动作的彩色和深度图像以及骨骼点信息,构建基于彩色图像、深度图像、骨骼点信息的人体危险动作数据集。使用摄像头采集人脸图像,构建人脸数据集。2)本课题针对人脸识别技术进行了研究,通过基于Haar特征的Adaboost算法对摄像头采集到的图像进行人脸检测,使用构建的卷积神经网络对检测到的人脸进行识别预警。3)本课题针对人体动作识别技术进行了分析,研究了基于三维卷积神经网络的人体危险动作预警方法,使用连续输入的多帧彩色和深度图像序列对人体危险动作进行识别。同时针对Kinect人体骨骼点捕捉的特性,提出了使用骨骼夹角特征的基于长短时记忆(LSTM)网络的人体危险动作预警方法。4)在嵌入式平台Jeston TX2实现了人脸和人体危险动作预警功能,并针对平台的穿戴式便携性要求,进行了相关机械结构的设计,通过3D打印技术制作了搭载嵌入式平台的背负式结构,并通过试验对穿戴式预警平台的功能进行了验证。