近年来中国人口老龄化的问题随着社会经济的发展变得越来越严重了。而意外摔倒成为威胁老年人安全的一大隐患。因此发展一系列跌倒检测方法是降低老年人因跌倒而死亡的重要要素。毫米波雷达作为近年来广受关注的非接触式的传感器,具有无需穿戴、无需频繁调试与保养、不受光线等环境影响、测量精度高、无隐私泄露风险的优点。本文主要研究基于毫米波雷达的人体跌倒姿态检测的系统。该系统主要包含两种检测手段:基于多普勒时频图像的跌倒检测和基于点云轨迹的跌倒检测。多普勒时频图像的跌倒检测方案中雷达采用水平布置,以使雷达获得较大的检测范围。该方案作为一种低成本的跌倒检测方法,它利用深度残差网络Res Net与人体跌倒时候姿态变换引起的多普勒变化进行跌倒识别。首先对前向跌倒、后向跌倒、静止站立、坐下、行走、挥手6种人体姿态进行雷达数据采集,并对雷达数据进行处理得到多普勒时频数据。接着,对所获得的相应多普勒-时间数据使用Res Net网络进行分类训练,并进行跌倒检测。实验结果表明,本文使用的跌倒检测方法识别准确率约98%,不仅高于很多传统的视频、红外传感器的识别方法,也高于很多基于雷达传感器的检测方法,是一种比较理想的低成本的跌倒检测方法。点云轨迹的跌倒检测方法充分发挥了毫米波雷达测距、测速精度高的特点。该方案将毫米波雷达布置在距地面一定高度的位置,天线斜向下布置,以一定角度覆盖地面区域。雷达采用FMCW的工作模式,并使用MIMO技术提升其分辨率。在获取到回波数据后结合CFAR算法对回波信号进行角度-距离-多普勒-时间（ARDT）处理得到目标运动姿态的点云数据,并将点云数据变换到空间坐标轴中。对该点云坐标进行DBSCAN聚类分析获得人体主要的姿态。通过对聚类后点云的高度进行不断追踪就可以检测出跌倒是否发生。该方案采集人体跌倒、行走、坐下等姿态的数据进行分类,其准确率达到约80%。