近年来,人口老龄化趋势越来越严重,而老年人因为身体素质差平衡力弱极易发生跌倒现象,跌倒会给老年人的心理和身体上造成很大的影响,因此及时发现跌倒并通知到联系人非常关键。在分析了传统的跌倒检测系统后,本文提出一种基于人体坐标形态偏移的检测算法,利用Kinect获取到的老年人的深度图像和骨骼点坐标,并加入了人体抗遮挡的跟踪算法,进一步提高了系统的跟踪识别效率,减少了计算量。本算法首先针对人体跟踪中发生遮挡导致目标丢失的问题,将人体跟踪算法分成遮挡和无遮挡两种情况,通过图像匹配的巴氏系数和人体骨骼中心点的获取情况来辨别目标是否发生了遮挡,并使用不同的算法进行跟踪。当目标没有被遮挡时,本文采用基于骨骼中心点的Mean Shift算法进行跟踪,利用Kinect获取骨骼点和深度图像,将颜色直方图与人体中心点结合,很好地解决了Mean Shift算法背景与人体颜色相似时跟踪不准确的问题。当发生物体遮挡时本文采用拓展的卡尔曼滤波,继续利用骨骼中心点对下一帧的运动轨迹进行预测,使模板的匹配更加准确;当发生身体遮挡时采用骨骼最近原则,以靠近Kinect一侧的骨骼点为准提取骨骼特征,使得坐标点的获取更加准确有效。通过人体抗遮挡目标跟踪算法,跟踪到人体实时的位置,在此基础上利用Kinect获取人体的部分骨骼坐标点,提出基于人体坐标形态偏移的跌倒检测算法。在考虑了跌倒时人体形态的基础上,对跌倒前人体形态的偏移进行了角度的分析,根据骨骼关节点在连续帧图像中位移变化的特点,选取人体脊椎点,肩部中心点,两脚掌等多个骨骼坐标,设置三个检测特征,解决了单一特征检测不准确的问题。进行大量实验对高度阈值,速度阈值和角度阈值进行选取,通过实时计算特征值并与阈值进行比较,判断人体是否出现了跌倒。本文将算法应用到系统中实现了对人体24小时的跌倒检测和报警。一旦检测到跌倒,系统对相关联系人发送邮件通知和短信提醒。通过对系统的测试分析,系统的准确率达到了94%以上,验证了本系统是准确可靠的。