老年人摔倒逐渐成为一个重要的公共健康问题。摔倒可能会致使老年人失去意识,造成残疾或引起死亡。因此,对老年人的行为进行跟踪分析,并自动检测出摔倒行为,使摔倒者得到及时救助是非常必要的。目前已有的摔倒检测方法有诸多不足,如基于穿戴式传感器的摔倒检测,因要携带传感设备,在实际应用中受到限制；基于场景装置的摔倒检测,通过使用压力传感器来检测人体并获得人体的位置,但却不能识别压力是否是来自人体的重力。而基于视频的摔倒检测,因视频的普及和实用性,越来越受到广泛的关注。本论文对基于视频的自动摔倒检测算法进行了研究,主要研究工作如下：1.对基于视频的自动摔倒检测算法中涉及到的运动目标检测、跟踪、分割和图像预处理进行了研究。本文结合阈值法和混合高斯模型法进行运动目标分割,采用基于颜色信息的阴影抑制方法去除阴影,使用膨胀和腐蚀算子去除噪声,最后得到较为完整的目标分割图像。实验结果表明,视频图像中的运动目标可以得到较好的分割。2.通过对已有摔倒检测算法的研究,提出了一种改进的基于视频的自动摔倒检测算法。该算法利用人体宽高比特征进行摔倒检测,是因为人体宽高比特征简单,易分析,从而使算法的复杂度大大降低,计算量减小。但对一些特殊情况,如做一些健身运动、突然下蹲或是摔倒后起身,仅用宽高比就会产生误判。因此该算法加入了有效面积比和中心变化率两个判断条件,对仅用人体宽高比特征所产生的一些误判进行了修正。实验结果表明,该算法可行。3.开发了一个基于视频的自动摔倒检测系统,系统集成了本文改进的自动摔倒检测算法。实验结果表明,该系统可以检测出摔倒行为,具有一定的实用性。