近年来,中国人口老龄化日趋严重,居家养老逐渐成为常态,独居老人日渐增多。跌倒作为居家老人受到意外伤害的主要方式之一,如若跌倒后得不到及时救助,轻则造成身心伤害,重则危及生命。因此,及时有效地检测居家老人的跌倒情况,具有较大的研究价值和社会意义,逐渐成为研究热点。随着居家监控设备的普及,计算机视觉方法跌倒检测已成为研究重点。论文主要工作如下:针对现有ViBe前景提取算法的鬼影问题,提出了一种融合帧间差分法的改进ViBe前景提取算法。首先,通过使用帧间差分法得到大致的前景运动目标图像,然后通过连点填补法填充由帧差法导致的鬼影问题;接着,对得到的前景运动区域进行图像形态学处理,去除噪点以及平滑轮廓;最后,将ViBe前景提取算法得到的带有鬼影的前景图像和帧差法得到的前景运动区域作与运算,便可以得到准确的前景运动图像。实验过程中,使用该改进算法在三个公开的RGB数据集以及自制的红外热成像数据集上实验。实验结果表明,该改进算法在不同的数据集上均取得了良好的效果,证明了本文对于ViBe算法改进的可行性与有效性。针对现有的RGB跌倒数据集,在改进ViBe算法的基础之上,构建了一种双流卷积神经网络来检测跌倒,将去除鬼影后的准确前景作为空间流网络的输入。首先,使用改进的ViBe算法提取出正确的人体前景,通过多帧合成的方式得到MHI图像,并将其输入双流网络的空间流网络以提取空间维度上的特征;接着,计算TV-L1光流特征图像,使用滑动窗口叠加的方式得到光流栈,并将其输入时间流网络以提取时间维度上的特征;然后,提出了一种改进的双流网络结构模型,以VGG16和Alex Net作为双流网络的主体结构分别提取时间特征和空间特征;最后,提出了一种Sum-Soft Max决策层融合算法来融合两支网络的结果,得到最终的跌倒检测结果。实验过程中,使用该网络模型在三个公开的RGB跌倒数据集上实验并与现有算法对比,实验结果表明,该网络模型在公开数据集上取得了良好的结果,准确率达到了98.7%,高于现有算法模型,可用于室内人员的跌倒检测。