自改革开放以来，我国经济的高速发展带动了医疗技术的全面提升。在生活质量不断改善的过程中，人们的保健意识也逐渐增强。于是，随着我国人口平均寿命的增长，社会的人口结构一步步地在向老龄化转变。跌倒是威胁生命的主要风险之一，老年人发生跌倒不仅会造成身体上的伤害，还会因为没有得到及时救治而导致危机生命安全。因此，设计一套精确的跌倒检测系统，应用于实时检测老人是否跌倒，并将跌倒事件通知家人以便于老人及时地被救治，具有重要的应用价值。　　近年来，常见跌倒检测技术主要分为四类:1、基于视频图像的跌倒检测;2、基于环境传感器的跌倒检测;3、基于穿戴式装置的跌倒检测;4、基于智能手机的跌倒检测。由于前三种方法的设计与实现具有一定的复杂度，对于被监测人的隐私和日常的生活带来不便，并且不方便在室外检测。所以，本文出于对设备携带的方便性和系统的准确度的考虑，决定采用智能手机作为跌倒数据采集器，并将采集到的数据实时传送到服务器，依托于服务器的数据处理能力实现跌倒检测算法。这种方法在一定程度上避免了手机的计算能力限制跌倒检测算法的复杂度的问题。本文的主要工作和成果如下:　　(1)搭建数据采集平台，对9种日常行为姿态和4种跌倒姿态行为进行采集。通过对每种行为数据的加速度和气压计进行分析，本文提出了的5个经验特征值。　　(2)SVM算法中参数的选取对SVM分类器性能影响较大，所以通过网格搜索法、遗传算法和粒子群算法分别对SVM算法的参数进行寻优。根据Matlab仿真结果，选取适合本文的参数寻优算法—网格搜索法。　　(3)根据网格寻参优化的SVM分类器存在的问题，将KNN算法引入到SVM分类器中，形成SVM-KNN联合检测算法。进一步考虑特征集合的多维性和不平衡性，本文引入了标准化欧氏距离替代传统的欧氏距离。　　(4)提出了跌倒检测系统的整体实现框架结构，基于智能手机和服务器，实现基于网格寻参的SVM-KNN算法。实现了跌倒检测系统，通过15名志愿者分别佩戴在胸前，腰部，臀部获取到的810条日常行为数据集和360条跌倒数据集进行了测试，并设计实验验证系统的检测、定位、报警、通信等功能以及前端展示功能。