随着城市规模扩大,公共区域内拥堵、踩踏等突发事件发生概率也随之增加。在多种群体性异常行为中,由摔倒引发的群体恐慌行为往往会引起极为严重的后续后果,除此之外摔倒本身的致死率也极其高。对此本文针对群体行为中重要的多人场景下的摔倒检测进行研究。现有基于计算机视觉的摔倒检测算法存在以下两个问题:问题一是多人复杂场景给摔倒检测造成干扰性大,导致实时性低。现有方法多针对单人简单场景下的摔倒检测,在含有多人的场景下,将信息不加筛选传入摔倒识别网络,会导致网络负载溢出,实时性差。问题二是现有行为识别网络尺度单一,对多人复杂场景中的小目标检测效果并不理想。在真实场景中,监控摄像头所拍摄的范围较广,远距离的目标在图像中的占比较小,此类目标的细节信息易随着网络的加深而丢失,造成漏检率较高的问题。针对问题一中多人环境下检测干扰性大与实时性低,本文提出一种基于骨架的摔倒预判断方法,对视频中的非摔倒信息进行筛选过滤,降低复杂环境的干扰从而提高算法的实时性。首先对场景中的人体进行定位,并将人体区域传入骨架点检测网络提取关键骨架点,根据后续所提取的特征判断是否有产生摔倒的倾向。此外为了减少传输量,对可能发生摔倒行为的人群进行自动化的截取保留,其余信息舍弃,提高检测实时性。同时,为了满足多人情况下实时性的要求,本文针对上述的预判断方法提出了一种简洁而快速的基于骨架点的摔倒预判断特征,该特征由人体颈部下降速度及角度变化组成。以多个维度综合判断目标是否有摔倒的趋势,本文通过给定的判断阈值对可能发生摔倒的潜在人群进行筛选,通过定性定量实验证明,本文所提出的预判断特征及整体预判断方法是有效且准确的。针对问题二中小目标漏检,准确率不高,本文提出一种多尺度双流异构卷积神经网络（Multiple-Scale Two Stream Network,MSTSN）。本文对双流网络中的空间流网络进行特征多尺度融合的改进,将浅层网络与深层网络卷积得到的不同尺度的特征信息融合,以获取更具有鉴别性的特征,改善网络模型在特征提取过程中随着网络层数加深导致小目标细节丢失的问题,提高初始特征的性能。通过实验验证,改进后的网络可以确保对多尺度的信息进行检测,降低复杂场景下对小目标的漏检率。同时,为了提取具有鉴别性特征帮助网络对视频信息进行理解,本文提出的MSTSN网络采用双流异构方法对空间与时间信息进行提取。空间流基础网络采用ResNet对视频内容的空间信息及外观进行学习,时间流基础网络采用BN Inception对动作变化和时序信息进行学习。在两个分支网络分别完成对空间信息和时序信息的提取后,在MSTSN中特征融合后再分类,提高整体网络的识别率。本文对以上提出的算法进行了充分的实验,实验结果表明,本文所提出的基于深度学习的多尺度多人摔倒检测方法可以很好地克服多人环境干扰大导致实时性低以及单一尺度网络细节信息丢失造成精度不高等问题。通过与其他摔倒检测算法的比较证明本文方法可以快速有效的检测出摔倒行为。对于在多人场景地区域,该算法可以及时监测阻止群体事件扩大化,具有重要地社会价值。