当前,我国老龄化问题日益严峻,老年人的健康问题已成为社会关注的重点。而意外跌倒是影响老年人健康的一个重要原因,正确快速地检测老人的跌倒行为能够极大提升救治的成功率。本文针对室内环境下的跌倒事件,提出了基于多视角深度信息融合的室内跌倒检测算法研究,本文采用深度图像,克服传统RGB图像在夜晚不能够检测的问题,同时采用多个视角检测,以解决单一视角下的误检问题。本文的主要工作如下:（1）针对深度图从深度相机端传输到其他端传输大小过大以及速度慢的问题,根据深度图中像素的分布情况,将深度图分为稠密深度图与稀疏深度图。针对两种深度图,分别提出了一种改进的深度图编码方法。针对稠密深度图,提出一种将16位的深度图分为高位图与低位图的方法,利用DCT变换确定信息熵的集中范围,对信息熵集中的序列进行HEVC编码,实验结果表明,该方法相较于原始深度图像减小约30%的大小。针对稀疏深度图,利用稀疏深度图的空间性将深度图转化为点云,提出一种八叉堆编码,在八叉树编码的基础上,进行归并操作,实验结果表明,相较于八叉树算法,改进的八叉堆算法减少约84%的运算量。（2）针对YOLOv4对俯视视角下的深度图像头部检测精度低,检测速度慢,运算量大的问题,本文提出一种改进的YOLOv4算法。使用Ghost Block替换原有的CSPBlock,减少了计算量,提升了网络的运算速度,同时在模型中加入坐标注意力,使网络关注空间信息和深度图中感兴趣的区域,最后,引入自适应特征融合,使不同大小的特征融合,丰富了特征层,提升了网络精度。实验结果表明,在俯视视角深度图数据集中,改进的YOLOv4算法使准确率提升2.95%,达到96.64%,帧率提升7.9FPS,达到40.3FPS。（3）针对Open Pose算法对平视视角下的深度图像检测速度慢、达不到实时的问题,提出一种改进的Open Pose的人体姿态估计算法,采用深度可分离卷积替换传统卷积,降低了卷积的运算量,同时采用扩张卷积来提升感受野,最后在训练中使用Re LU6激活函数,克服了Re LU在高维时所带来的精度损失,并将以上改进融入进倒残差结构中。实验结果表明,在K2PHD数据集中,准确率达到77.8%,帧率从10.3FPS提升至29.6FPS;在UR Fall Detection数据集中,准确率达到68.9%,帧率从9.3FPS提升至27.7FPS。（4）从俯视视角下的头部检测中提取加速度特征和头部到地面的距离特征,并结合平视视角所获得的关键点数据,将其输入LSTM网络,经过不同特征组合进行对比实验,多视角下的多特征组合效果最佳,准确率达到96.1%。