1、隨著經(jīng)濟和科技的快速發(fā)展，人口老齡化現(xiàn)象日益嚴重，已成為社會的突出問題。與此同時，老年人的健康和安全問題也引起了社會廣泛的關注，智能化養(yǎng)老已成為社會的一項重大需求。跌倒損傷是老年人健康受到威脅的重要原因之一。因此，高效精準的跌倒檢測一方面能夠讓跌倒的老人獲得第一時間的治療，提高跌倒的救助水平，降低因跌倒造成更大傷害的可能性，同時可以減少醫(yī)療資源的占用，減輕其家庭的負擔;另一方面，能夠給年老人尤其是空巢老人提供安全保障，減少他們的心理負擔

2、，提升老年人的晚年生活質(zhì)量。
　　針對跌倒檢測的國內(nèi)外研究現(xiàn)狀，本文開展了對智能化監(jiān)測系統(tǒng)中跌倒檢測關鍵技術的研究分析，搭建了跌倒信息數(shù)據(jù)庫，為研究檢測算法提供數(shù)據(jù)分析支撐;重點研究和分析其中的檢測算法，提出了基于權重判別的兩層檢測算法;開展了針對日常生活中的各種行為的多分類研究，通過基于決策樹等多分類方法和基于卷積神經(jīng)網(wǎng)絡的方法對各種行為進行了分類識別。本文的主要工作如下:首先，基于穿戴式傳感器系統(tǒng)，測量了日常行為和跌倒行為的數(shù)

3、據(jù)，并建立了跌倒信息數(shù)據(jù)庫。數(shù)據(jù)庫中包括了11種日常行為和4種跌倒行為信息，為研究跌倒檢測算法提供數(shù)據(jù)基準。
　　第二，基于建立的跌倒信息數(shù)據(jù)庫，進行多角度的特征分析，選取了合適的特征及相應的閾值，設計和實現(xiàn)了多閾值的跌倒檢測算法，并驗證分析了算法的有效性和可行性。
　　第三，結(jié)合不同的分類方法和特征提取方式，綜合分析比較了基于機器學習的跌倒檢測算法的性能，在此基礎上，使用AdaBoost改進了人工神經(jīng)網(wǎng)絡（artifici

4、al neural network，ANN）和支持向量機(support vector machine，SVM)的分類性能，基于ANN-AdaBoost和SVM-AdaBoost的檢測方法，提升了跌倒檢測的準確率。
　　第四，在上述算法實現(xiàn)的基礎上，提出基于權重判別的兩層檢測方法，保證高準確率的前提下降低了算法的響應時間，提高了識別的速度，并對三種檢測方法進行了性能比較，分析得出了第三種兩層的檢測算法識別精度高，檢測速度快的結(jié)論。