据统计,每年有成千上万的人会因为摔倒造成重大的损失,因此,针对这种情况,有了本论文的研究课题。面对这种种危险的动作,我们通过机器视觉,通过图像分析,通过机器学习,能够让机器实时检测人的行为动作,对于危险的动作,作出及时的判断,并通知相关的人员。本论文着重研究摔倒检测,摔倒检测系统可运用于家庭、商场、学校、公司、工地等任何场所。目前,通过视频图像分析,经过一定的处理,可以检测出大部分的摔倒,甚至是其他的危险动作。通过本论文,可以了解大部分的摔倒检测系统是如何实现的,并且,可以自己可以实现一个更加优秀的摔倒检测系统。因此着手开始研究摔倒检测的意义,旨在帮助在摔倒后需要帮助的人,让他们能够及时的得到救助,不要因为白白浪费了时间而丧失最佳的治疗时间。在对摔倒检测的研究中,深入研究了背景消除,背景消除对被检测的对象有相当大的影响,检测目标移动物体的过程中,如何计算目标物体的速度,目标物体在当前画面中的形状分析,勾勒出当前目标的位置,当检测到摔倒时,能够有明显的提示。在研究背景消除时,需要考虑不同的情况,不同的光源,不同的场地情况,对背景消除的参数进行修正,对物体的远近等,都需要调整参数,因为在计算背景消除时,这些参数至关重要,合理的参数,可以使得背景消除后,完美的取出运动物体。在对背景消除有了一定深入了解以后,再度开始着手研究摔倒检测,在对多种摔倒检测研究了以后,发现,单纯的从某一个角度去判断摔倒,还是有一定的误判率,如果我们只通过检测当前人物的倾斜角度,那么可能不太准备,因为有些人只是弯腰或者其他类似的动作,又如果只是通过速度来判断这个人是否摔倒,如果这个人突然跑步,那么也没有很好的避免误判的方法,如果只是通过人物的重心判断,那么蹲下时,也可能造成误判。我们可以通过结合这些检测特性,比如在视频中,跟踪运动物体,在检测到速度突然变化时,判断是否又突然运动缓慢,再判断其倾斜角度或者姿势,是否是横着或者竖着,然后,由于视角的原因,需要在一个场景下面,布置多个摄至少两个摄像头,因为不同的视角,视频中的人物可能是不一样的,这样,在不同角度拍摄被跟踪者,在两个视频中,只要发现了摔倒现象,就可以立马发出报警。最后,我们通过优化的摔倒检测,成功检测到了摔倒情况的发生,相对单薄的摔倒检测,使用了多维度的摔倒检测后,识别效率有了一定的提升。