伴随着人口老龄化问题逐渐尖锐,老年人的安全、看护问题成为社会关心和重视的焦点。跌倒后不能得到及时救助是造成老年人病发或死亡的主要原因之一。因此,对老年人跌倒行为快速辨识及报警的研究具有重要的现实意义与理论意义。现有的跌倒辨识及报警装置存在准确率低,穿戴不方便,容易受场景限制等问题。基于此,本论文设计了一种人类跌倒行为辨识及报警系统,该系统准确度高,在特异度和灵敏度方面表现优良,且便携性好,能够实时监测,更具有较高的实用价值。本文进行了如下工作:（1）将人类运动行为分为日常运动行为和跌倒行为,并对人类跌倒行为进行了分析。实验选择腰部为设备佩戴位置,采集人类运动的姿态数据,使用滑动均值滤波器对数据进行预处理。（2）以广义回归神经网络（GRNN）和粒子群优化算法（PSO）为基础,建立了一种基于PSO-GRNN的跌倒辨识模型,并对模型进行训练和验证。然后针对各种类型的跌倒行为进一步测试模型性能,测试结果表明,模型平均准确率能够达到95.00%。最后,与GRNN、SVM和BPNN模型的对比,结果表明PSO-GRNN模型稳定性好、辨识正确率高。（3）构建了完整的跌倒辨识及报警系统,该系统包含跌倒辨识及报警装置和跌倒导航软件。基于十轴姿态传感器,构建了跌倒行为辨识及报警装置;基于高德地图设计了一款跌倒地点抓取及导航软件,使得监护者可以快速的找到跌倒者,并进行快速救助。最后,开展样机实验和对比实验,样机的跌倒行为辨识准确度能够达到94.44%,灵敏度为93.75%,特异度为95.00%。结果表明:本系统的辨识准确率较高,在灵敏度和特异度方面都具有较好表现,在实际使用中能够及时发出报警,并发送短信通知监护者。该系统的构建能够有效减少人类跌倒后,因得不到及时救助造成的伤害。