现如今,随着老龄化问题越来越严重,老年人的健康问题受到了社会重点关注。独居老人因在跌倒后未被及时救助而造成伤害或死亡的情况常常出现。如果能在发生跌倒的瞬间就发出报警通知救助,将会在很大程度上减少跌倒对老年人造成的损伤。因此,研究出一种针对老人跌倒的监测系统具有非常重要的现实意义。针对目前跌倒检测系统中存在特征提取不充分、易受相似性行为等问题,提出了一个基于人体姿态估计的跌倒检测方法,该方法主要由人体姿态估计和跌倒行为分类两部分组成。人体姿态估计任务从视频中捕获人体骨骼图像以消除背景干扰,进而提取人体骨骼特征并对其是否跌倒进行分类。以下是本文主要贡献:1.大多数人体姿态估计跌倒检测方法基于Open Pose人体姿态估计模型实现,但存在参数量大、精度低等问题,基于此设计了一个基于Simple Baseline的高效姿态估计模型。通过设计高低分辨率融合网络结构提升关键点空间定位能力。此外,通过深度可分离卷积与通道剪枝算法构建轻量级瓶颈块结构对模型进行轻量化处理。实验结果表明,所提出的的人体姿态估计模型在减少参数量的同时达到了较好的精度。2.针对分类网络易受正常活动干扰与时间序列信息缺失问题,提出了一种结合人体姿态估计和时空序列信息的跌倒检测方法。通过活动特征过滤器筛除姿态估计模型中正常活动的人体骨骼序列,将剩余信息作为跌倒过程的骨骼序列来消除正常活动对分类网络的干扰;同时构建了结合时空序列信息的3D分类网络对人体骨骼序列进行分类。实验结果表明,所提出的检测方法提升了模型泛化能力并在检测精度上有了明显改善。3.基于人体姿态估计模型和跌倒检测模型设计并开发了居家老人跌倒实时检测系统。通过前后端分离开发完成了用户登录、实时跌倒检测和管理模块,该检测系统可以协助社区医院更好地对居家老人进行健康监控管理。