摔倒事件已成为威胁老年人身体健康的重要因素之一。摔倒通常会对老年人造成身体损伤甚至死亡。随着我国老龄化进程的不断加快,使得独居老人的生活安全无法得到保障。如果老人独自在家发生摔倒事件,往往会因救助不及时等原因导致意外事故的发生。与此同时,计算机视觉的发展使其在很多领域有着显著的优势和特点。因此,开展基于计算机视觉的摔倒检测方法研究具有一定的意义和价值。论文对基于计算机视觉的摔倒检测方法进行了研究。其中分别对运动目标的检测、基于手动提取特征的摔倒检测方法、基于自动提取特征的摔倒检测方法以及基于实验平台的测试验证进行了讨论。主要研究内容如下:(1)运动目标检测算法分析对常用运动目标检测方法以及视觉背景提取算法(visual background extractor,ViBe)的原理进行对比分析,并通过实验验证了这些方法对运动目标的检测效果。由于常用的目标检测方法在检测目标完整性和对背景变化适应性上存在不足和局限,而ViBe算法在目标检测上具有独特的优势。因此确定采用ViBe算法实现运动目标的检测。(2)基于多特征分析的摔倒检测方法研究为了降低摔倒检测的误判率,结合ViBe算法以及常用的摔倒特征,提出一种基于多特征分析的摔倒检测方法。该方法首先利用人体质心到水平面的距离判断运动目标是否处于站立或正常行走的状态。如果运动目标处于非站立或正常行走的状态,则接着利用人体宽高比来区分常见的日常活动行为和摔倒行为。由于此时存在误判的可能性,所以最后利用人体质心变化的速度来区分类似摔倒的日常活动行为和摔倒行为。通过实验证明了该方法的有效性。(3)基于PCANet和SVM的摔倒检测方法研究针对手动提取特征对背景环境限制的不足以及在实际应用中对场景设置要求的局限性,提出一种基于主成分分析网络(Principal Component Analysis Network,PCANet)和支持向量机(Support Vector Machine,SVM)的摔倒检测方法。首先利用PCANet提取图像特征;其次运用提取到的特征训练两个SVM分类器,分别用以获取帧图像标签和视频标签序列;最后进行测试验证,测试视频样本经过前景检测、预判断处理之后,依次输入两个SVM分类器,通过对比预测视频标签序列与设定标签序列是否一致来判断分类结果是否正确。实验表明,该方法可以较准确区分日常活动行为和摔倒行为。(4)实验平台搭建利用树莓派、SIM800C、USB摄像头搭建实验平台,通过实时监测的样本视频进行测试实验。实现了不仅可以准确检测到摔倒事件的发生,还可以在摔倒事件发生时自动发送短信或拨打电话的功能。验证了所提出的摔倒检测方法在实际应用中的可行性。论文在现有摔倒检测方法的基础上,对基于计算机视觉的摔倒检测方法进行改进和尝试。并以此为基础,搭建实验平台进行测试验证,使其不仅可以有效区分摔倒行为和非摔倒行为,还可以实现当摔倒事件发生时,第一时间自动报警通知监护人。以期为摔倒检测在实际生活场景中的应用实现提供一定的参考。