世界老龄化趋势日益严重,现代化的生活习惯又使得大多数老人独居,统计数据表明,跌倒是老年人的主要致伤原因。利用先进的计算机技术、传感器技术和图像信息处理技术实现人体跌倒自动检测,不仅可以为跌倒老人提供及时的治疗、减少救治费用、有效减少因延误发现和治疗而致死的可能性,更可以有效减少用于老年人护理的人工费用、提高老年人生活质量。本论文研究了基于视觉的人体跌倒检测算法,主要工作如下：首先,分析了人体跌倒检测问题的研究背景和意义,综述了目前人体跌倒检测研究的国内外现状以及存在的主要问题,介绍了本文的主要内容和章节框架。第二,综述分析了目前各种基于视觉信息的人体跌倒检测算法,如基于时空特征的人体形状建模实现人体跌倒检测、基于人体形状静止／变化实现人体跌倒检测、基于姿势实现人体跌倒检测、基于头部三维位置分析实现人体跌倒检测,并比较了它们的优缺点。第三,研究了基于深度图像的人体跌倒检测算法。利用Kinect作为视频采集设备,搭建了实验场景进行大量跌倒检测数据采集,建立了基于彩色图像和深度图像的人体跌倒检测数据库。利用深度图像进行前景提取获得人体轮廓,提取人体轮廓的曲率尺度空间特征作为人体跌倒检测的特征,通过人体跌倒检测数据集训练极速学习机分类器,进行人体跌倒检测。由于基于深度图像提取的人体轮廓精度较高、曲率尺度空间特征具有尺度不变性、极速学习机训练所需时间短,本论文所提出的基于深度图像的人体跌倒检测算法具有较好的检测精度和效率。第四,针对目前大多数基于视觉信息的人体跌倒检测算法需要提取轮廓,在人体部分受遮挡的情况下无法实现有效检测的问题,提出了基于可形变多部件模型的人体跌倒检测算法。该算法不需要对图像进行前景提取,通过分析人体的姿态进行人体跌倒检测,由于多部件模型使得物体的各部分都能作为有效的检测的特征,当人体部分被遮挡时,仍能够有效检测出人体姿态,从而使得基于可形变多部件模型的人体跌倒检测算法具有更强的鲁棒性和适应性。最后,对本论文所做工作进行总结,并提出了下一步的研究方向。