随着社会人口老龄化程度的加剧,设计针对独居老人的跌倒检测系统具有重要研究价值和社会意义。随着视频监控在社会的广泛应用和传感器设备的微型化,利用多种传感器数据进行跌倒检测成为独居老人安全监护的一种新方法。跌倒检测的常见方法包括基于视频、基于穿戴式和基于环境传感器三种,它们均有各自的优点和缺陷。本文在已有跌倒检测方法的基础上,设计出一种基于多传感器特征融合和SVM(支持向量机)的跌倒检测系统,该系统主要完成以下工作:1.设计一套基于加速度计和摄像头的采集设备,能够通过不同传感器采集大量人体运动的原始数据,并标记当前人体跌倒状态作为数据集,以解决常见跌倒检测数据库不包含多传感器数据的问题。2.使用背景减除等方法从采集到的视频数据中提取人体前景轮廓,利用加速度数据和处理得到的人体轮廓提取对跌倒敏感的特征;处理多传感器融合时的数据配准问题,构建特征向量,为SVM算法提供样本;利用特征向量的不同构建方法分析各特征的性能,并选出性能表现最出色的特征向量。3.使用SVM算法对特征向量进行跌倒检测判断,利用部分数据集训练SVM得到训练模型,最终基于训练模型使用SVM对其余数据集分类,检测人体的跌倒状态;利用SVM算法,测试基于单一传感器的检测方法和本系统方法,分析它们在进行跌倒检测时的优缺点。本系统在硬件设计方面考虑实际使用情况,针对数据采集、接收和跌倒检测等多个步骤进行设计,有效保证了系统的实时性和稳定性。现今跌倒检测方法多在单一传感器的基础上提取特征,并使用阈值判断或机器学习的方法检测跌倒。本系统采用多种传感器采集数据,并使用多传感器融合的方法,结合SVM算法进行跌倒检测。与现今方法相比,本系统方法显著提升信息获取量,并利用融合特征高效利用各传感器信息,提升SVM算法的效率和准确度,继而在检测的灵敏度、误警率,特别是区分类跌倒行为与跌倒行为等方面有明显优势。