随着社会的发展,人口老龄化问题日益突出。“4+2+1”的新型家庭结构使得传统的养老模式不再适用。老年人养老问题得到越来越多的关注。跌倒是造成老年人严重伤亡事故的主要原因之一[1]。统计数据表明,每年有三分之一的老年人(65岁及以上)会经历至少一次意外跌倒事故,其中有4%-15%的意外跌倒事故会对老年人身体造成严重伤害[2]。而在由意外受伤导致的老年人死亡事故中,意外跌倒事故占据了其中的23%-40%[3]。大部分的跌倒不会立刻造成严重的伤害,往往是由于跌倒后无法获得及时的援救,错过最佳救援时间导致严重伤亡情况。因此,虽然跌倒具有随机性,我们很难防止跌倒事故的发生,但如果能准确及时的检测到独居老人的跌倒情况,并通知监护人员以寻求紧急救援,可以最大限度的减小跌倒所带来的伤害,降低严重伤亡事故发生的概率。本文对跌倒检测问题进行了充分的调研,并研究设计了一套基于惯性传感器的跌倒检测系统。主要工作如下:1.对现有的跌倒检测算法和系统进行充分的调研,总结分析不同方法的优缺点,设计了基于惯性传感器和智能终端设备的跌倒检测方案。2.针对人工设计的特征值限制算法精确度和时延等问题,提出了基于循环神经网络的跌倒检测算法,利用神经网络自动提取特征值,挖掘数据内部特征。并在两个公开数据集上进行测试,验证算法的可行性、准确度和时延。3.为进一步提高跌倒检测算法的泛化能力,在原有循环神经网络基础上引入频域信息,让算法同时在时域和频域两个维度挖掘提取时间序列传感器数据的特征。我们同样在公开数据集上验证了算法的泛化能力。4.为了在智能终端设备上实现从传感器数据采集到检测结果输出的端到端边缘计算,避免数据传输带来的流量消耗和隐私泄露等问题,设计开发了基于Android智能手机和Tensor Flow Lite轻量化神经网络框架的实时跌倒检测应用程序。