随着社会老龄化进程的不断更替,我国将于2025年之前进入中度老龄化社会。在老龄化社会中,随着老龄人年龄的增长,其骨骼、肌肉等等生理功能开始退化,其感觉变的迟钝,视力变的模糊,身体的协调性变差,各种意外情况频繁发生。怎样保障老龄人身体健康安全成为社会上重要的议题。我国的养老模式大多为老龄人独自居家养老,针对独自生活的老龄人而言,跌倒事故已经成为了非常严重的问题。老龄人跌倒后,极易造成严重的身体损伤,如脑中风、骨折等,倒地时间超过1h会引起更高的致死率。因此老龄人跌倒检测快速反映援助的研究是十分必要且有重要意义的。为解决现有跌倒检测模型准确率低,专用跌倒检测数据集缺少等方面的不足。本文结合我国老龄人与老龄化现状及跌倒检测研究现状,分别以仿人机器人和真实人体为实验对象,建立了基于不同数据集、不同算法的跌倒检测模型。研究利用控制学、图像学等多学科交叉知识对算法及硬件系统的创新工作主要包括:（1）建立仿人机器人姿态数据采集平台,并创建可移动化的跌倒检测模型。通过双上位机采集并分析机器人姿态数据集,将其姿态分类情况映射到老龄人姿态分类情况中。通过提出融合方向直方图与灰度共生矩阵双特征的算法,建立基于支持向量机的跌倒检测模型。研究不仅解决老龄人跌倒数据采集安全性问题,还解决传统视频监控存在死区的问题。（2）构建人体姿态数据采集平台,提出利用关键点检测技术对人体姿态图像进行处理的方法,然后以上述处理为基础建立迁移学习跌倒检测模型。与传统跌倒检测模型相比,本研究建立的模型对人体非正常状态检测的精确度高,对人体的保护能力强,具有更好的鲁棒性。（3）提出基于双摄像头的人体跌倒检测模型。在白天使用传统单目摄像头模型进行检测,在夜晚使用红外热摄像头人体跌倒检测模型进行检测。通过增加人体追踪控制系统与连续跌倒系统,在大幅提高人体跌倒检测准确率的基础上,有效的降低了跌倒的误检率。硬件实验表明,基于双摄像头的人体跌倒检测模型在硬件上检测准确率高,且具有较好的实时性。