中国人口老龄化问题日益加深,空巢老人问题更加突出,目前在城市有54%的老年家庭是空巢家庭。在全球,摔倒已经成为老年人意外伤害的头号杀手,如果老年人在家中意外摔倒,得不到及时的救治,可能会导致残疾甚至死亡,因此研究并构建摔倒检测系统对社会具有重要的意义。目前国内外关于摔倒事件检测的研究中,大部分都是基于视频图像摔倒检测和基于可穿戴式传感器摔倒检测两类方法,由于老年人对于穿戴设备有一定的排斥性以及传感器获取数据容易造成误差,基于视频图像序列的摔倒检测实用性更高。本文实现了一种基于视频的摔倒检测原型系统,目的在于实时、准确地检测摔倒行为,为老人的救治赢得宝贵的时间。此系统主要包括人体目标检测、目标跟踪、多特征提取以及分类检测四个部分。首先,本文运用改进的单高斯建模方法对视频前景目标进行检测,引入分块直方图,比较相邻两帧相同区域的直方图,判断是否需要背景更新操作,此方法能快速适应光照突变的问题,同时在一定程度上减少了移动缓慢的物体被融入背景中的情况。由于提取出的前景包含了阴影,本文使用基于HSV色度空间的自适应阈值阴影检测算法,能有效的去除阴影,得到更加精确的人体目标。然后,为了适应监控场景中有多个人体目标出现的情况,需要对目标进行稳定地跟踪。本文使用一种基于颜色直方图匹配与卡尔曼滤波相结合的算法对目标进行关联,此方法能有效地处理人体目标出现分裂、粘连情况,同时对于漏检的目标进行卡尔曼滤波预测匹配。系统通过对目标进行连续的跟踪,为后续提取人体特征奠定基础。最后,本文提出一种基于多特征分析和SVM分类的摔倒检测算法,该算法使用人体质心、宽高比、拟合椭圆的方向角度和长短轴比以及通过傅里叶变换的垂直直方图作为检测人体摔倒的有效特征,利用基于滑动窗口的方法提取连续的人体目标特征构建特征向量空间,将特征向量送入已离线训练完成的SVM分类器中进行分类决策。本文提出的方法在室内场景中能够实时检测摔倒行为,实验证明此方法对摔倒行为的平均识别率达到90.95%,能应用于家庭、医院、养老院等场,对保障老年人的安全具有重要的社会意义。