目前,人口老龄化是世界上绝大多数国家必须要面临的一个重要难题。在众多影响老人安全的问题中,意外跌倒是给老人造成伤害的主要因素之一,如果独居老人发生跌倒后未能及时地被人发现,予以治疗,很可能危及到生命安全。因此,通过智能检测技术设计一种跌倒检测系统来及时发现老人的意外跌倒状况,以此减轻跌倒给老人带来的伤害,同时对整个社会的智慧养老有着重要的意义。本文对国内外现有的跌倒检测系统进行了深入研究,通过从准确度、经济成本以及隐私等方面对比分析后,提出一种基于多维特征融合的人员跌倒检测算法。本文中,利用红外阵列传感器作为新的数据采集方式以获取跌倒与非跌倒动作的数据,用于对一定监测范围内老人跌倒行为的检测。我们提出的跌倒检测算法分为两步,即先进行人员检测算法设计,再进行跌倒检测算法设计。其中,基于阈值的人员检测算法设计是为了解决系统的实时性问题,该算法原理简单,同时还可以大大降低整个系统的算法复杂度。在跌倒检测算法设计部分,考虑到单一特征无法准确表示跌倒过程,我们经过对大量跌倒过程数据的分析后确定从质心、速度、面积以及方差等多个维度进行特征提取。然后利用线性判别分析（Linear Discriminant Analysis,LDA）算法将上述四维特征进行降维处理,降维后的特征数据作为新的特征向量以增加特征维度。利用特征融合算法将10维特征进行融合,形成联合的特征向量来对跌倒过程进行表示,以提高特征向量的可靠性,也使对跌倒过程表示的更加充分和客观。再通过机器学习分类算法对样本的特征数据进行训练,利用网格调参法遍历、设定各分类器的最优参数,确定结合支持向量机（Support Vector Machine,SVM）分类器建立跌倒检测模型,以获得对跌倒动作最佳的分类识别效果。最后,本文还通过实验设计了基于红外阵列传感器的跌倒检测系统,通过实验结果证明文中所提出跌倒检测算法的实时性、准确性与可靠性,能够很好地解决普通家庭独居老人的跌倒检测问题,这也给未来在该领域的研究提供了新思路。