在全球社会老龄化的大背景下,老年人的身体健康状况和晚年生活质量需要更多的关注。跌倒在老年人群中发生率高并且带来的后果比较严重。鉴于跌倒对老年人身体造成的巨大伤害,研究一种高效的跌倒检测算法,可以有效的减轻跌倒对老年人身心健康带来的危害以及相应的经济压力。目前,已有的多数为基于传感器的跌倒检测系统。其往往价格较高且要求穿戴特定设备会给老年人带来不适感。相比与基于传感器的跌倒检测系统,视频监控系统具有用户体验好、成本低、多任务并行等优点。本文提出了两种基于视频监控系统的跌倒检测算法。一种应用于家庭场景的基于Inner-Distance形状上下文(Inner-Distance Shape Context, IDSC)的跌倒检测方法。该方法通过Inner-Distance形状上下文获得视频帧前景形状的描述信息,使用形状匹配方法对视频序列中人体形状变化进行量化。最终,对形变量化信息使用动态时间规整(Dynamic Time Warping, DTW)方法实现跌倒行为的判定。另一种是基于人体形状分析的跌倒检测算法。该算法通过对人体形状进行分析,提取出人体全局运动方向、人体头部运动信息、前景的投影直方图等特征,并通过机器学习的方法判定跌倒。实验结果表明,方法一具有更低的时间复杂度可以快速的判定跌倒,方法二对于环境具有更好的适应性,相比阂值判断的方法,具有更高的识别率。