智能贴件的提出，能够实现对老年人日常行为的长时间监测，同时能够对老年人的日常跌倒监测进行识别，未老年人提供紧急情况下的及时治疗，有很强的前沿性。同时在行为识别领域，提出多种多源数据融合的高精准行为识别算法，将提取的异构信息在算法输入层进行融合，有效提高其对复杂行为的识别精度。为了研究如何使智能可穿戴设备能够自适应适配不同年龄、身体状况、运动模式的用户信息，我们提出基于情境相似性的分层迁移学习方法。在跌倒检测领域，提出面向跌倒检测的姿态自适应估计方法，通过细致分析跌倒的过程，增加实时感知用户的姿态变化模块，从而大大提高了跌倒检测模型的鲁棒性和模型的用户体验。同时，从系统框架层面，提出了基于云端融合的两阶段增量跌倒检测方法。