随着我国经济的飞速发展。目前,我国人口老龄化问题日益加剧,导致养老院等服务机构照看的老人日益增多。老人看护变得越来越困难,急需找到一种方法来减轻看护难这一问题。在看护过程中,老人由于年纪较大,身体各方面感官都有较明显的退化,很容易发生意外伤害事件。据统计,老人发生的意外伤害中最频繁的是室内摔倒,且摔倒后如果没能及时发现很容易导致老人死亡的严重后果。为在室内及时发现老人意外摔倒,目前国内外已经有很多自动检测老人摔倒并自动报警的系统方案。比如有基于穿戴式摔倒检测系统,该系统可以较好的检测出老人是否摔倒并且发出警报。但是,该设备可能会在一定程度上会造成老人身体的不适,并且当老人在锻炼身体时,可能会导致系统误报。因为穿戴式摔倒检测系统存在的问题,基于环境感知的跌倒检测系统被提出。该系统不会给老人增加身体负担。该系统可以较好的判定在特定环境下老人的情况。但是该系统易受外界环境的干扰,如当物品跌落在地时,就会触发系统的误报。此外,该系统安装困难并且造价高昂。因为基于环境感知的跌倒检测系统存在的问题,基于视频监控的老人摔倒实时检测系统被提出。该系统可以在不增加老人身体额外负担的情况下,较好的判定老人当前的状况。并且安装便利造价较低。但是,基于视频监控的方案可能会泄露老人隐私和增加老人的心理负担。本文针对上述老人摔倒检测系统存在的问题,提出基于ZYNQ(ARM+FPGA架构)平台的老人室内摔倒实时检测系统。本设计旨在更高效高质量的检测老人摔倒,为老人争取黄金救治时间。本系统沿用视频监控的方案,并解决它存在的侵犯老人隐私和增加老人心理负担的问题。本系统运用ZYNQ硬件平台,实现室内老人摔倒行为的监控,实时检测有无老人摔倒情况。当检测到老人摔倒后,将会触发Labview上位机蜂鸣器的报警功能,及时报警通知看护人员。在实现识别老人摔倒时,本文主要做出如下五个方面的工作:1、在Caffe深度学习平台中搭建卷积神经网络结构,收集老人摔倒训练集训练卷积神经网络模型,使得网络模型能够识别出老人是否摔倒,并用脚本提取出网络模型中的权重值与偏置值。2、搭建基于ZYNQ获取视频的系统硬件平台。利用ZYNQ-7000特有的“ARM+FPGA”框架,设计系统总体框架,并利用IMX222摄像头获取图像信息。3、利用SDSoC开发软件将卷积神经网络部署在ZYNQ硬件中,直接将采集到的图像数据在ZYNQ硬件平台上进行识别处理。并将识别结果上传到Labview上位机中进行判别,如果检测到老人摔倒即会触发报警。4、为达到系统实时性,本系统对识别时间进行分析。本文将采用纯软件实现方案(ARM实现方案)、硬件加速技术的实现方案(ARM+FPGA方案)、硬件加速优化技术的实现方案(ARM+FPGA优化方案),进行对比。本文对这三个方案的时间性能、硬件消耗情况进行对比,最终选择使用硬件加速优化技术的实现方案,该方案从硬件底层对系统进行优化。最后经过系统测试,本系统能够进行高效高质量的工作。系统识别精度在92%左右,识别的时间仅有413ms,满足系统实时性要求。上位机报警显示功能基本0延时,并且上位机能在不透露老人隐私的情况下及时通知看护人员,较好的达到预期的设计目的。通过实验结果可知,本设计可以较好的满足老人室内摔倒检测系统的需求。该系统可以较好的应用在养老院、家庭、医院等地,可以高效高质量的保障老人的安全。