到2030年，中国将成为全球人口老龄化程度最高的国家，并呈现出加速发展态势。跌倒不仅损害老年人的身体，威胁着老年人的生命安全，而且导致老年人独立生活能力下降。因此，自动检测跌倒行为并及时报警求助将大大减小跌倒对身体的损害，有利于提高老年人的生活质量。鉴于人体短时的跌倒行为导致加速度陡增和人体倾角突变，本文提出了基于加速度和倾角变化的跌倒检测技术，设计了一种穿戴式跌倒检测仪。基于该跌倒检测仪实现了基于支持向量机的模式识别跌倒检测算法。对人体运动加速度数据进行数学运算得到人体倾角；再将获取的加速度和人体倾角数据提取特征并进行标定，构成特征向量。对特征向量进行归一化处理；归一化后的特征向量输入到分类器训练模块，进行支持向量机参数训练，得到分类器模型；将待检测的样本数据经过数据滤波、特征提取、标定等操作后，输入分类器模型进行人体跌倒检测，如果检测为跌倒则进行报警。穿戴式跌倒检测仪主要由嵌入式硬件设计和应用软件开发两部分组成。在STM32嵌入式硬件系统中，应用uC/OS-II嵌入式系统软件设计完成了基于支持向量机的人体跌倒检测仪。同时，具有不同的跌倒动作的受试人群检验了穿戴式跌倒检测仪的性能。本文分析了受试人员前、后、左、右四个方向跌倒行为与正常行为的特征的分布区间，剖析了跌倒行为和剧烈运动的相似程度。大量试验数据表明，本文提出的跌倒检测算法对跌倒行为和正常行为都具有较高的检测精度。