人口老龄化现今已经成为席卷全球的一种趋势,世界各国为应对人口结构变化将极大的热情投入到养老服务、医疗监护领域。摔倒被证明是意外和非故意性伤害中死伤率第二大的因素,其中老年人是最敏感的人群。研究表明,摔倒造成的伤害绝大多数可通过及时有效的治疗来克服或缓解。近年来行为识别技术得到了极快的发展,将其应用在摔倒行为检测中,研究能够有效检测摔倒行为的算法具有重要的科研价值和现实意义。本文旨在研究高效鲁棒的摔倒行为检测算法。为克服单一特征描述力不强的缺点,提出多特征融合的摔倒检测方案,并对正面视角的运动目标检测算法进行了改进。本文主要研究工作有:首先,对获取的视频文件进行格式转化,以灰度化图像序列的方式进行存储后,分析图像质量,对其进行滤波去噪处理。其次,研究运动目标检测的经典算法,确定序列中值法为本文目标检测的主要方法,针对运动轨迹重合的正面视角视频行为序列,提出改进的“首尾帧”目标检测方法,采用模糊分类器区分视频的前后段后,分别采用首帧和尾帧进行背景减除,通过相邻帧不变像素点的统计完成目标检测。接着,结合摔倒行为的主要特征,采用多种特征融合的方式进行行为特征表达。文章中采用质心变化率表征行为的运动特征,对符合质心变化阈值条件的帧邻域利用VEI进行姿态特征的二次判别,同时将SIFT局部描述子引入并改进,为遮挡时摔倒行为的判别提供更多的细节特征。改进的SIFT算法在尺度空间引入Harris角点检测代替极值特征点检测,并采用邻域相似像素统计法提前过滤非特征点,提升了SIFT特征点检测的速度,并且可以通过阈值调整特征点检测数目。最后,本文利用SIFT双向特征匹配进行行为分类,实现摔倒检测。在MATLAB环境下设计GUI系统界面,完成对CASIA和自建数据库摔倒行为的检测实验,分别取得了90%和94%的识别率。本文的摔倒检测算法稳定可靠,对发生局部遮挡的摔倒行为也可以进行检测,能够有效提高识别率,对摔倒检测算法的实际应用起到推进作用。