由可穿戴设备获取的人体生理监控数据数量巨大,为医学研究提供了充足的真实样本和案例,但是也为数据的分析和查找带来了困难。本文以可穿戴视频传感器拍摄的人体生理活动监控录像为研究对象,结合美国健康研究所对人类能量摄入和消耗进行监控和分析的应用目的,研究了对于这种非常规监控视频数据进行内容分析的方法,主要包括以下三个方面：(一)视频结构化方法针对可穿戴视频摄像头拍摄的监控视频“无镜头,,的特点,提出了一种基于全局运动特征的视频分割方法。该方法利用运动矢量场估计帧间全局运动,利用双窗口和变长窗口的分割点检测方法,根据视频全局运动的频率变化对视频进行分割。之后使用基于颜色直方图相似度的关键帧检测方法,实现关键帧提取。(二)运动识别方法利用可穿戴视频摄像头拍摄的录像对人的运动行为进行检测和常规的监控录像不同。运动主体由于佩戴摄像头,所以不会出现在视频图像中。由于人的运动导致了摄像头的运动,继而导致视频序列间呈现相应的全局运动,因此,本文设计了一种视频序列全局运动特征描述子GMoV (Global Motion of Video),利用支持向量机(SVM)实现对走路、跑步、上下楼等简单运动的识别。(三)饮食事件检测饮食事件是能量摄入的关键事件,本文通过判断关键帧中是否含有盘子的进行饮食事件检测。由于在复杂环境和特殊的拍摄角度下,盘子缺失和遮挡严重,因此本文提出了一种基于轮廓分割、过滤、凸性组合的椭圆检测方法,通过建立图像数学模型,对该算法的高效性进行了验证。实验证明,该方法能够在极其复杂的背景和遮挡的情况下准确的判定盘子的存在并精确的估计盘子轮廓(椭圆)的参数。本文以应用为导向,研究了对于非常规监控视频进行内容分析的系统框架,为基于内容的视频检索理论中增添了对于可穿戴监控视频这类非常规视频的研究。