随着人民生活水平的提高,全球范围内的各个国家都在面临着老龄化的问题。老年人属于易摔倒人群,老年人摔倒会导致极高的治病率、死亡率、住院率,无论财力还是精力,都给家庭给社会带来了很大的负担。因此,老年人摔倒保护设备的研究具有重大的意义。本文重点考虑了摔倒检测设备的便携性、准确性以及实时性,设计了一套完整的基于可穿戴设备的摔倒识别算法。主要贡献是在两方面进行了创新:通过贝叶斯网络完成了长时隙的动作预测,在预测的动作上进行摔倒识别,为保护设备的开启争取了更多的时间;基于支持向量机完成摔倒动作的模式识别,整个系统具有较高的准确率以及召回率。其中在动态贝叶斯网络方面,本文首先采用了独立性测试的方法,通过数据学习得出了更加的客观的人体动态贝叶斯网络模型,之后采用了卡尔曼滤波以实现整个网络参数的自适应更新,最后通过置信传播算法快速求解整个网络。在摔倒的模式识别方面,本文选用了最长公共子序列作为核函数,并论证了其有效性。最终配合线性判别式分析以及网格搜索法对整个模式识别系统进行了参数寻优。实验中本文采集了大量数据,结合在Matlab上开发出的仿真平台,对整套系统进行了实验评估。结果证明本文的系统具有可靠的识别精度以及召回率,同时显著的节省了预警时间,证明了通过预测算法与识别算法结合应用于摔倒识别的可行性。