据相关研究机构的不完全统计,截止至2014年年底,我国60岁以上人口数量已达到2.21亿人次,这一数字占据了当年人口总数的15.5%。近年来,随着经济文化水平的增长,我国老龄化问题日趋显露,老年人的保护、救援和健康等问题也随之成为了社会的主要问题,如果处理不当,不但会对政府机构、社会人群和居民个体的经济状态造成极大困扰,也会影响到社会的政治安定。本文以此为出发点,关注近年来频发的老年人跌倒问题,结合目前普遍认可的精确度高、成本低、便于携带的微型传感器,建立了一套老年人跌倒的实时监测和应急自动告警装置,依据后台系统的支持可以有效的实现跌倒检测。本系统立足于老年人频发的跌倒现象这一社会议题,围绕如何更加精准、便捷的对老年人的行动状态进行识别,通过对比目前较为常见的几类老年人跌倒检测方法,指出了各类方法存在的缺点与不足,并提出了一种优化的基于合加速度以及合角速度变化率的跌倒检测算法,该类算法不同于常用的基于加速度、角速度极值差的跌倒检测算法,它能够提供一个更容易将跌倒动作区分于日常动作的阈值,通过深度学习和自耦收敛算法,能够不断提升自身的有效性,实现算法和后台应用系统的自动升级。本文还实现了一个完整的跌倒检测系统,系统的硬件部分由Arduino外接三轴加速度传感器和角速度传感器实时采集人体动作信息,并通过蓝牙模块传输至收集端进行后续的分类处理;软件部分则完成了一个Android系统下的报警软件,当该软件接收到蓝牙模块传输的动作信息后,会分别提取机体的合加速度变化率以及合角速度变化率,通过本文提出的跌倒检测算法计算判断,若发现机体目前发生了跌倒动作,则会发出警报,警报类型包括发送求救短信、拨打急救电话以及铃声提醒。最终,本文采集了跌倒动作和包括行走、坐下、蹲下和弯腰在内的正常动作。在志愿者中选择的实验者,分布在20~30岁之间,志愿者分布在不同的地点,记录并重复步行、坐下、蹲下、起立和模仿跌倒等动作。通过将这些样本分别作为实验样本验证系统的准确率后发现,本文提出的基于加速度变化率的跌倒检测算法可以有效的识别跌倒动作,正确率在可接受范围内,且该算法简洁、高效,可以很容易的嵌入到各种移动设备上。