社会老龄化的加剧提高了人们对老年人健康问题的关注度。中国作为世界人口最多的国家，老龄化问题会关系到国家乃至全世界的发展，其影响力不容忽视。大量的老年人独居在家，缺少子女和监护人的照看，再加上老年人的身体机能下降，很容易发生各种危险。其中跌倒问题对老年人健康造成的威胁是巨大的，引起了很多国内外研究机构和学者的重视。对人体跌倒的研究属于人体运动学研究的范畴，而人体运动学的研究通常用到机械式传感器、压力传感器、光学传感器、声学传感器，以及惯性/磁场传感器等，其中以光学传感器和惯性传感器应用最为广泛。本文以光学传感器为主，惯性传感器为辅对人体跌倒问题进行了研究。然后利用光学传感器在描述方向和位置方面的优势分析人体跌倒过程中的形态特征。在人体关键部位粘贴光标点，应用高速相机捕捉人体跌倒的瞬间，通过提取与追踪光标点的位置来重建人体跌倒运动的过程。为了克服传统算法的缺点，在对失焦视频中光标点呈现的特征形状进行细致的观察之后，提出了在失焦视频中运用霍夫变换算法来提取光标点的新方法，并编写了算法的程序代码。将本算法得到的数据与商业软件ProAnalyst分析得到的数据对比，验证了本算法的可靠性和优越性。光学传感器在方向和位置的描述方面提供的直观的信息，而为了充分研究跌倒过程中的速度和加速度变化，搭建了基于惯性传感器的实验系统，用来检测人体跌倒时候躯干的加速度和角速度信息。通过对数据的整合和详细分析，得到三种体位跌倒时候的跌倒预警时间和姿态稳定角，为后续与视频中人体跌倒信息综合分析打下了基础，并为最终三段运动模型的建立提供了依据。基于上述跌倒过程的实验和数据分析结果，建立了完善的人体跌倒三段模型的描述体系。采用四个关节点和两个关节角来具体描述人体的跌倒运动，并通过姿态稳定角、跌倒缓冲时间、屈膝点和屈臀点等关键运动参数来方便地判断人体跌倒运动中的各个关键阶段。