由于我国人口老龄化、空巢化、独居化的发展趋势,老人的监护成为当前社会亟待解决的问题。由于老年人各方面生理机能的下降,在遇到意外情况发生跌倒时,如果没有医护人员的及时救治,极有可能因为错过了最佳抢救时间而危及生命。通过跌倒检测现有研究现状的调研,本文提出了一种基于姿态估计的异常跌倒检测系统方案,利用MEMS传感器和摄像头同步获取姿态数据,预处理后提取跌倒特征,利用改进的跌倒检测算法进行判断,同时监护人员可以通过用户交互界面追踪老人的实时状态,实现全方位的室内监护。主要工作内容如下:(1)研究了数据预处理及特征提取方法,包含视频数据的采集及预处理、MEMS传感器数据的采集及预处理、跌倒特征提取方法三个部分。通过相机获取原始视频图像并经过Open Pose处理后得到人体关键点数据,再经过缺失数据处理得到视频数据集。利用设计与研制的MEMS传感器获取加速度数据集,将其与视频数据同步后再拼接成融合数据集,然后利用滑动窗口得到人体行为矩阵,最后进行跌倒特征提取。(2)提出一种二次判别的跌倒检测算法,在传统机器学习模型的决策层设置阈值进行初次判别后,再利用改进的深度学习模型进行二次判别。本文算法首先对比测试了几种机器学习模型检测方法,选择了最优模型作为初级分类器,为了进一步提高检测准确度,本文算法将改进的深度学习模型作为二级分类器。本文算法与机器学习模型、深度学习模型进行了实验对比,结果验证了本文提出的跌倒检测算法在保证检测准确度的同时,极大减少了算法的计算量,降低了检测延时。(3)完成跌倒检测系统的具体实现,包含MEMS传感器硬件电路设计、视频数据采集平台的搭建以及用户交互界面的设计与实现。MEMS传感器和搭建的视频数据采集平台负责姿态数据的采集与传输。用户交互界面包括WEB前端界面和后端服务器两部分,WEB界面主要实现了图形化显示姿态数据,后端服务器主要完成前后端数据通信以及跌倒检测处理。实验结果表明,本文设计的基于姿态估计的跌倒检测系统实时性好,检测精度高,实用性较强,跌倒检测算法在检测准确度和单帧检测耗时等方面和传统跌倒检测算法相比表现较好。