随着社会老龄化程度的不断加深,面向健康监测的老人日常行为识别问题成为当前社会所关注的热点。因此,研究和开发针对老年人日常生活中的异常行为(如跌倒检测等)系统,具有很好的实际意义。本文利用智能手机内置的传感器,研究并实现了一个针对老年人日常生活中的跌倒行为的检测系统,论文工作主要包括:(1)论文首先介绍了几种典型的人体跌倒检测方法,包括基于视频图像、基于穿戴式传感器和基于智能手机的方法等,并对比了几种方法的优缺点。(2)跌倒是指人体的体位在非故意、非自主的情况下发生突发性变化导致倒地的情况,从时间段上看,跌倒行为的过程可分为失衡、失重、触底碰撞和跌后等四个阶段。其中,加速度、角速度及倾斜角等会发生明显变化，本文分析了跌倒行为产生的原因和模型,并详细介绍了基于智能手机传感器的跌倒检测原理和典型方法,如基于阈值的方法和基于模式识别的检测方法。(3)通过分析跌倒行为识别中阈值方法和模式识别方法的特点。本文结合两者的优点提出了一种基于智能手机的两级跌倒检测模型。首先利用智能手机内置的加速度传感器和脱落仪采集人体行为数据,平滑处理后加窗经特征提取得到均值、方差等待特征向量,采用阈值方法进行跌倒等突发行为的检测,然后再利用机器学习方法进行日常行为(如走、跑、上楼、下楼等)的识别,实验分析结果表明本文方法具有较好的识别效果。(4)在上述研究基础上,本文设计并开发了一个基于智能手机的跌倒检测系统,主要包括数据采集、预处理与特征提取、跌倒检测等模块。系统还具有跌倒消息通知、紧急练习等功能。