人体跌倒检测是人体运动行为识别的重要组成部分之一，对于独居老人、小孩等的安全监护具有重大意义。让监控设备具有智能化判决和实时告警的能力已经成为视频监控研究的热点问题。本文从传统的视频图像处理方法和人工智能方法出发，以监控场景中人体跌倒辨识为核心任务，研究稳健而简单易行的检测方法和系统实现。主要工作包括以下五个方面：1、设计了基于C/S架构的系统结构，系统由视频帧数据提取的前端摄像头、人体异常检测的视频分析处理器以及用于连接通信的转发服务器等组成。其中视频分析处理器由运动目标检测、运动目标定位和目标运动行为识别三大模块组成。2、基于传统背景差分法，结合OpenCV中的图像高斯平滑预处理以及腐蚀、膨胀图像形态学处理方法，实现一个更符合实际场景需要的运动目标检测方法。实验效果比较分析表明，该目标检测算法较传统目标检测算法能够提取更加准确和完整的运动目标轮廓。3、采用两步框选的运动目标定位方法。其中第一步的初略框选去除背景干扰，第二步的精细框选定位运动区域。并通过对目标的下一时间的位置做估计，降低运算量以保证系统实时性。4、提取多维运动特征，利用两级SVM分类器实现目标运动行为辨识。第一级SVM分类器区分直立与非直立状态，对于非直立的状态送入第二级SVM分类器，进一步确认是否属于跌倒。判决为跌倒时，系统自动发出报警。5、设计了跌倒检测视频监控系统性能测试实验方案，分析了系统在不同环境的真实监控过程中的人行为检测性能。在光线稳定，干扰较小的环境下，本文系统的误警率可控制在2次/天的范围内，平均报警准确率可达90%以上。最后，可将本文方法与其他生物特征识别或多媒体处理等方法相结合，进一步提高系统的性能表现。