随着科技的进步及生活水平的大幅提高,人们对生活品质的要求越来越高,希望生活环境更加智能化,这给智能家居的发展提供了很多空间,同时也使得智能家居研究成为学术界的研究热点之一。实现智能行为监控系统的重点是能使监控系统具有学习理解用户行为的能力,因此对用户行为的学习和识别是智能家居发展和应用的重要步骤。在对目标用户的行为进行理解和学习的过程中,用户与周围环境间的关系特征种类繁多而且关系数据较复杂,而且用户行为也具有一些不稳定性。因此,为了更高效地解决用户行为识别问题,首先要根据用户行为的特性选择合适的行为特征来描述用户行为；其次针对用户行为的自身特性,选择合理高效的识别模型是识别问题的另一个关键因素。本文选择用户行为的位置关系作为用户行为的特征,利用Rcc-D位置关系归纳用户行为的位置变化数据以获得训练及测试数据集,然后采用层次隐马尔科夫模型进行用户行为的识别。本文的主要研究成果可以归纳为：1.深入研究了用户行为的学习和识别相关研究背景、国内外研究现状及存在的问题,阐述了行为识别在智能家居研究和应用中的重要性。2.提出了Rcc-D的位置关系及自动化构建组合表算法,并将其推广用于三维空间位置关系的表示。3.提出基于Rcc-D位置关系特征的用户行为描述方法,构建用户行为层次结构以描述简单行为和复杂行为,然后利用层次隐马尔科夫模型对用户行为进行建模和识别。4.采用真实用户行为数据集进行实验仿真,基于层次隐马尔科夫模型与传统隐马尔科夫模型的对比实验说明了本文所提出方法的有效性。