随着老年人口的增加，老年人在家中或外面跌倒的现象越来越普遍，因此跌倒检测对老年人的健康保护具有重要意义。在国内外跌倒检测的研究中，大多数基于视频监控的跌倒检测都比较复杂且产生冗余，影响了检测的实时性和准确性。针对上述问题，提出了一种在复杂环境下基于视频的跌倒检测方法，旨在更加准确、快速地检测跌倒行为。针对人体跌倒的特征，设计了一种基于YOLOv3网络的检测模型，详细介绍了模型的结构与特性。参考了Pascal VOC数据集格式，根据网上收集的人体跌倒和非跌倒状态的图片来建立数据集。利用K-means聚类算法优化网络anchor参数，在GPU服务器中对算法模型进行训练，得到最优的权重模型。将YOLOv3网络模型的测试结果与其他检测算法进行比较，证明所提检测算法具有良好的识别效果。