跌倒作为人们生活中的异常行为,容易产生严重的安全问题,老年人由于身体机能衰退、过往病史等原因,成为社会中易受到跌倒危害的群体。伴随我国人口老龄化程度的不断加深,独居老人的数量飞速增长,如何妥善高效地监护老年人生活是一个广泛存在的社会难题。本文的主要研究方向为室内监控环境中的人体跌倒检测,为服务人体在跌倒后需要的医疗救护,本文提出了面向室内监控的跌倒时序检测模型,模型由双流C3D网络、改进的双流时序候选网络、基于加权策略的分类与回归器三个部分实现,可以检测出视频中包含跌倒在内的多种动作类别与动作对应的发生时段。本文的主要工作如下:（1）本文在跌倒等动作检测的基础上,引入了对动作发生的时序片段的检测。不仅可以检测出人体的跌倒动作与对应时间,便于跌倒后快速报警就医,同时也能检测出发生的其他动作与对应时间,将人体在跌倒前的行为按时间顺序衔接,追溯跌倒发生的原因,协助后续的医护工作快速有针对性地展开。（2）本文改进了原有的双流时序候选网络结构,省去了提前将双流特征融合的环节,使视频的光流信息得到独立充分地利用,并设计了两组对比实验,分别验证了模型结构的改进对时序片段检测效果的提升,对比了改进后的模型在不同数据集上的实验效果。（3）为解决动作分类的数据不平衡问题,本文提出了基于加权策略的分类与回归器,增大了错分跌倒以及少数类动作的损失,并设计了三组对比实验,分别验证了加权策略对于动作分类精度的提升,对比了不同数据集上动作分类效果,并探索了模型在较高条件下的性能。（4）本文基于Open CV、Java Web等技术,结合提出的跌倒时序检测模型,设计并开发了跌倒时序检测系统,完成了自动采集与检测视频数据的系统应用工作,直观地展示了跌倒时序检测的结果与跌倒前动作的分析。