1、世界老齡化趨勢日益嚴重，現(xiàn)代化的生活習慣又使得大多數(shù)老人獨居，統(tǒng)計數(shù)據(jù)表明，跌倒是老年人的主要致傷原因。利用先進的計算機技術、傳感器技術和圖像信息處理技術實現(xiàn)人體跌倒自動檢測，不僅可以為跌倒老人提供及時的治療、減少救治費用、有效減少因延誤發(fā)現(xiàn)和治療而致死的可能性，更可以有效減少用于老年人護理的人工費用、提高老年人生活質(zhì)量。本論文研究了基于視覺的人體跌倒檢測算法，主要工作如下:
　　 首先，分析了人體跌倒檢測問題的研究背景和意義，

2、綜述了目前人體跌倒檢測研究的國內(nèi)外現(xiàn)狀以及存在的主要問題，介紹了本文的主要內(nèi)容和章節(jié)框架。
　　 第二，綜述分析了目前各種基于視覺信息的人體跌倒檢測算法，如基于時空特征的人體形狀建模實現(xiàn)人體跌倒檢測、基于人體形狀靜止/變化實現(xiàn)人體跌倒檢測、基于姿勢實現(xiàn)人體跌倒檢測、基于頭部三維位置分析實現(xiàn)人體跌倒檢測，并比較了它們的優(yōu)缺點。
　　 第三，研究了基于深度圖像的人體跌倒檢測算法。利用Kinect作為視頻采集設備，搭建了實驗場

3、景進行大量跌倒檢測數(shù)據(jù)采集，建立了基于彩色圖像和深度圖像的人體跌倒檢測數(shù)據(jù)庫。利用深度圖像進行前景提取獲得人體輪廓，提取人體輪廓的曲率尺度空間特征作為人體跌倒檢測的特征，通過人體跌倒檢測數(shù)據(jù)集訓練極速學習機分類器，進行人體跌倒檢測。由于基于深度圖像提取的人體輪廓精度較高、曲率尺度空間特征具有尺度不變性、極速學習機訓練所需時間短，本論文所提出的基于深度圖像的人體跌倒檢測算法具有較好的檢測精度和效率。
　　 第四，針對目前大多數(shù)基于

4、視覺信息的人體跌倒檢測算法需要提取輪廓，在人體部分受遮擋的情況下無法實現(xiàn)有效檢測的問題，提出了基于可形變多部件模型的人體跌倒檢測算法。該算法不需要對圖像進行前景提取，通過分析人體的姿態(tài)進行人體跌倒檢測，由于多部件模型使得物體的各部分都能作為有效的檢測的特征，當人體部分被遮擋時，仍能夠有效檢測出人體姿態(tài)，從而使得基于可形變多部件模型的人體跌倒檢測算法具有更強的魯棒性和適應性。
　　 最后，對本論文所做工作進行總結(jié)，并提出了下一步的