随着我国老年人口的不断增加，纯老家庭和独居老人的社会现象日益普遍，如果老年人独自在家中或外出活动时发生意外跌倒，很可能对老人身体造成损伤，严重的甚至死亡，因此跌倒检测对老人健康的保护就与为重要。纵观国内外跌倒检测的研究，多数基于视频监控的跌倒检测，其需要进行大量的图像处理，造成了计算复杂度较大和信息冗余较多等问题，从而对检测的实时性造成影响，而且大部分实验视频背景过于简单，无法应用于实际环境中。　　针对上述问题，本文提出了一种复杂环境下的基于视频监控的跌倒检测方法，旨在更加准确、快速的检测跌倒行为。同时，设计并搭建了复杂环境下的人体跌倒检测系统，实现了理论研究与实际应用相结合。本文的主要工作如下:　　(1)提出了改进的codebook背景建模算法。该算法针对原始Codebook背景建模方法的内存使用量较高、前景检测耗时长、低亮度区域误检、冗余码字过多等问题进行改进。选择YUV空间模型替换传统的RGB模型，通过在码本训练过程中改进颜色扭曲度参数和亮度条件判定公式来改善低亮度区域误检问题，同时采用模块化的方法来解决复杂天气（雨雪、大风等天气）和噪点对前景提取的干扰问题，并在码本匹配环节使用二次码本匹配方法提高算法的检测效率。实验结果表明，相较于其它几种方法，本文提出的算法在实时性和准确性上都有较好的表现。　　(2)通过分析不同行为间的差异，选择三种特征提取方法对人体行为进行特征提取，即基于人体形状的特征提取，基于运动历史图的特征提取，基于人体头部的特征提取，并生成29维的特征向量。实验结果表明，该特征向量能较好的区分不同环境下的行为动作、同时具有特征向量维数低、分类耗时短、识别速率高的特点。　　(3)设计并实现了最优的基于二叉树支持向量机的人体行为分类算法。该算法基于二叉树支持向量机理论，首先将(2)中提取的行为特征作为输入，选取径向基（RBF）函数作为核函数，通过网格搜索法进行参数寻优，然后训练生成最优的二叉树支持向量机模型，最后利用该模型对待测视频的行为识别。实验结果表明，该算法能够在一定程度上克服复杂背景环境对人体行为识别的干扰，取得较好的识别效果。　　(4)设计并搭建了复杂环境下的人体跌倒检测系统。本系统基于C/S框架进行研发，将上述的理论算法研究进行了C程序模块化，形成了一套完整的鲁棒人体跌倒检测系统。系统性能测试结果表明，本系统在专业行为库和自拍摄跌倒视频集中测试有较好的检测效果，识别率可达85％以上;系统对于实时真实复杂环境下的跌倒行为识别具有一定的粗分类能力，说明系统具有一定的实用性。本系统的理论与设计，可以为人体跌倒检测从实验走向实际应用提供一些理论上和工程上的参考。