随着社会老龄化问题的日益突出,意外跌倒已经成为老年人健康生活的严重威胁。对老年人跌倒行为进行准确的检测和报警,从而减少跌倒给老年人带来的伤害十分必要,具有很高的研究价值和现实意义。基于视频监控的跌倒行为检测方法相比其他方案具有诸多优势,因此,本文对基于视频监控的室内跌倒行为检测方法进行了深入研究。首先,在分析了各种运动目标提取算法的优缺点的基础上,并结合项目对运动目标提取效果的要求以及室内场景的特点,本文采用了基于混合高斯模型(GMM)的背景差分法进行运动目标的提取,并使用膨胀和腐蚀等形态学方法对提取的运动目标做进一步处理,填补了其内部空洞并消除了噪声干扰,最终实现了对完整运动目标的准确提取。其次,为了实现对视频中人体头部的准确跟踪,本文设计了基于粒子滤波的头部自动跟踪算法,并提出将由运动目标提取获得的人体头部位置信息用于跟踪位置的初始化,进而实现了对视频中人体头部的准确跟踪。然后,为了获取有效的跌倒检测特征,本文在分析了跌倒检测常用特征的基础上,采取了形状特征(人体宽高比)与头部运动特征相融合的特征提取方法。在提取头部运动特征时,为了消除由视频中人体与相机间的相对运动,而造成的人体运动状态在远景和近景时的差距对特征提取结果的影响,本文提出使用头部运动速度和头部高度的相对值作为本文的运动特征,分别对其进行了定义与提取,并进一步分析了各个特征作为本文跌倒检测特征的可行性。最后,本文通过对已提取的跌倒特征进行分析确定了特征阈值,利用特征阈值法在收集的跌倒行为数据集上对本文的跌倒检测算法进行了初步的验证与评估,并利用摄像机采集了包括跌倒行为在内的七种室内活动视频数据,对本文的跌倒检测算法在真实环境中的有效性做了进一步验证。实验表明,本文的跌倒检测算法在数据集和真实环境中均具有较高的准确性和可靠性。