本文以独居老人室内日常生活为背景,研究基于视觉传感器的老人跌倒检测方法,对独居老人进行连续监测,及时发现老人跌倒这一严重异常行为,保障老人的生命安全。本文主要工作如下:针对独居老人室内生活场景的复杂光照条件,研究了融合LBP和色度特征的Camshift目标跟踪算法,并结合Kalman滤波器,提高了目标跟踪的时效性和准确性。基于老人运动速度缓慢且无突然变速的特点,构建了以运动目标跟踪异常为依据的目标跌倒检测方法。以老人正常运动时目标跟踪丢失为线索,研究老人运动轨迹突变与跌倒异常事件之间的隐含关系,设计了基于目标运动速度、目标轮廓面积以及目标局部运动等特征的老人跌倒检测规则分类器。通过对老人不同姿态的分析,提出了基于HOG特征的老人微动作检测算法。把视频图像分为3?3的区域,然后对目标进行前景检测,定位老人所在区域,提取该区域的HOG特征,采用SVM分类器对样本集进行训练和测试,实现老人微动作识别,实验验证了算法对坐姿状态下老人昏迷行为的有效检测。在分析老人坐姿、起身站立、起身跌倒、正常运动、运动跌倒中目标的最小外接矩形宽高比、重心、速度特征的显著区别,设计了基于多特征融合的SVM跌倒检测算法,实验验证了算法对跌倒检测的有效性。