随着社会的进步与科技的发展,人们的生活环境和社会医疗保障有了很大的改善,使得人类的寿命较以前有了较长的延伸,老年人的健康监护问题也随之凸显。摔倒是造成老年人意外受伤的主要原因,很多老人因摔倒而伤残甚至死亡,因此研究摔倒检测技术具有非常重要的意义。近年来基于计算机视觉的摔倒检测大多数都是使用可见光图像,这导致摔倒检测系统在光照条件不好或夜晚的环境中检测效果差,无法工作等。红外图像具有不受光照影响,抗干扰性强,能够全天候工作等特性,因此提出了一种红外图像下的人体摔倒检测方法,通过红外相机获取人体摔倒的红外图像,然后使用基于关键点的目标检测方法实现人体摔倒检测。本文的研究内容如下:首先研究了红外图像的特点与预处理方法,结合本文所采用的红外相机成像特点对红外图像进行了去噪和线性拉伸等预处理,结果显示红外图像质量较好,目标清晰没有过多的噪声,为后面的摔倒检测奠定了基础。其次,本文研究公开的人体摔倒数据集,对其拍摄方式和内容进行了研究,发现目前的摔倒数据集图像中都是单人,摔倒姿势一般为向前向后摔或者侧摔且没有遮挡情况,比较单一。针对上述的问题,本文通过使用红外相机建立人体摔倒场景,录制了红外图像人体摔倒数据,对摔倒状态增加了双手撑地的跪摔以及摔倒后腿部抬升等姿势,增加了人数以及桌椅等干扰物体,增加了摔倒时发生不同程度遮挡的情景,从而建立自己的摔倒数据集。最后,为了提高摔倒检测的准确率与实时性,本文提出了一种基于关键点的摔倒检测方法。采用CenterNet目标检测网络,利用建立的红外图像摔倒数据集进行网络的训练与测试,并与YOLO V3进行对比实验,实验结果显示本文所提出的方法在自建的数据集上能够达到99%以上的准确率,在各方面的性能指标都要优于YOLO V3。