现如今,我国老年人口持续增长,社会老龄化程度逐渐加深。对于老年人而言,身体条件日益下降,保持身体平衡的能力越来越差,跌倒容易发生。跌倒与其所造成的影响已成为身体健康与生活独立的最大威胁,跌倒的后果轻则身体外伤,严重甚至死亡。跌倒检测方法不仅可以为老年人提供安全保护,保证了日常生活的健康独立;同时在医护环境中使医护人员能立即获知病患跌倒,进而提供及时的医疗救助,提高了医护的质量。因此,借助现代科学技术手段研究有效的跌倒检测方法具有较高的研究价值与现实意义。目前国内外针对跌倒检测方法的研究层出不穷,但多存在着误报率高的问题;并且跌倒检测方法很少涉及到跌倒行为的数学模型建立,以数学模型为基础设计跌倒检测方法还有许多关键问题尚未解决。本论文研究的内容结合穿戴式设备,通过运动过程与数学概率模型的相关理论对跌倒行为检测方法做出了创新性的探索,在确保跌倒检测准确率的情况下,进一步降低了跌倒检测的误报率。本研究的主要工作及贡献总结如下:(1)设计并搭建了穿戴式人体运动监测实验系统。基于台湾长庚大学生物资讯实验室所研制的“穿戴式健康智慧衣”搭建了人体运动监测实验系统,该系统结合了健康智慧衣的运动信息采集功能,并设计开发了PC端信息处理应用程序。利用该系统采集了人体日常活动行为和跌倒行为的加速度信号,并分析对比了两者的差异,总结了两者的过程变化特点。(2)定义了跌倒行为过程。归纳总结了跌倒行为加速度信号在幅值变化上和时间过程上的特性,设定了跌倒加速度信号变化的不同阶段;对照跌倒过程中的人体姿态姿势的改变,设定了跌倒行为的不同运动状态,以不同运动状态的依次转移方式对跌倒加速度信号进行了描述。(3)提出了基于隐马尔可夫模型的跌倒检测算法。首先设计了观测序列提取方法、对人体运动过程的加速度信号进行处理,得到人体运动过程中特征部分的加速度观测时间序列,以“观测时间序列”的形式对运动行为进行描述;其次,结合跌倒过程的不同运动状态的变化情况,总结出各运动状态的转移规律,并归纳出跌倒过程的时序变化特征。根据跌倒行为加速度变化的特点,跌倒过程中失衡运动状态和与地面碰撞的运动状态,学习训练描述人体跌倒过程的隐马尔可夫模型,应用隐马尔可夫模型原理计算待观测序列与跌倒模型间的匹配概率,以此对人体当前是否发生跌倒行为进行评估,从而完成跌倒行为检测。(4)设计实验对跌倒行为模型的检测效果进行了验证。应用本文所提出的跌倒模型对日常行为活动与跌倒行为活动进行了跌倒行为检测分析。在实验验证样本范围内,本文所提的基于隐马尔可夫模型的跌倒检测算法可以有效区分人体日常活动行为和跌倒行为,应用5折交叉检验对算法进行验证,取得了准确率为99.1%,灵敏度为96.7%,特异性为99.3%的结果。(5)设计并实现了跌倒行为检测移动端APP。选择了Android平台作为跌倒检测的实际应用平台对本文方法的实用性进行了测试。Android平台软件的可移植性使得该APP为后期拓展开发健康监护类软件打下基础。