社会老龄化是发展中国家所面临的共同问题，随着社会的发展，老年人的行动安全已成为社会的重要问题。在此背景下，日常活动识别和跌倒检测有很广泛的应用前景。日常活动识别能帮助人进行健康评估，发现常见疾病和运动量的关系，并且能够促进人多锻炼，从而维持人体内的能量平衡。跌倒检测能够避免老年人在跌倒后，没有及时治疗而发生的严重后果。在本文中，以智能手机iPhone为硬件平台，通过内置的加速度计和陀螺仪，实时获得人运动时的加速度和角速度，然后对数据进行离线分析，得到人活动的状态。研究主要分为四个部分。第一，对不同的分类算法进行比较，找到处理数据最适合的分类算法是决策树C4.5；第二，对佩戴在不同位置的加速度数据进行比较，找到只使用一部智能手机时，最佳的佩戴位置是胸前；第三，对日常活动进行定义，在用决策树C4.5方法对加速度计和陀螺仪的数据进行分析后，确定人的活动状态；第四，用决策树C4.5和单类支持向量机对跌倒数据进行分析，实现跌倒检测。经过实验分析，本文设计的系统能够区分正常人体活动和跌倒事件，其平均正确率为80%。我们的系统小巧、稳定，使用起来方便，不影响使用者的正常生活，对解决老人的行动安全问题，具有非常重大的意义。