随着我国人口老龄化问题的愈发严重,跌倒成为了威胁老年人健康最严重的因素之一。大多数情况下老年人跌倒后会丧失行动能力,可能会因无法及时通知家人导致丧失了最佳的救治时间,如果能够在老年人跌倒后及时发现并报警,将会极大的减少跌倒对老年人的后续伤害。本文使用计算机视觉的方法,提出了一种多阶段人体跌倒行为识别框架,成功实现了对跌倒行为的实时检测。该框架首先逐帧对视频中人体的位置进行检测,然后将含有人体的区域裁剪出来送入人体骨骼点检测网络,网络负责检测出图像中的人体骨骼点坐标,最后将多帧人体骨骼点坐标整合到一起送入跌倒识别网络进行跌倒检测。论文的主要工作如下:提出了一种轻量级人体位置检测算法。算法对模型的主干特征提取网络进行改进,在保证人体位置检测速度的同时,提高了检测的准确率;算法将特征金字塔结构进行改进,通过融合神经网络提取的低分辨率、高语义信息和高分辨率、低语义信息,提高了模型对不同尺度目标的检测能力;提出动态样本匹配的方式,避免了因正负样本失衡导致检测精度下降问题的出现。提出了一种自顶向下的轻量级人体骨骼点检测算法。算法通过对主干特征提取网络进行改进,提高了网络的特征提取能力;提出随机空间变换的训练方式,使得模型能够在人体位置检测框不准确的情况下,准确检测出图片中的人体骨骼点位置;提出了骨骼点非极大值抑制算法去除冗余的人体骨骼点,提高了人体骨骼点的位置识别精度。提出了一种自适应时空图卷积神经网络对跌倒行为进行检测。该算法能够通过输入数据自动学习出人体骨骼点之间相关关系;设计时间卷积结构和图卷积结构分别提取数据中的时间特征和空间特征,实现了跌倒行为的检测。