由于室内异常行为(例如跌倒、打架等)往往导致严重的安全事故,进而造成人员的意外伤害,因此家庭监控环境中的异常行为检测成为了热门的研究方向之一。老年人是易遭受由跌倒等异常行为导致的意外伤害的主要年龄群体,并且随着中国人口老龄化的加深,空巢老人的数量快速增加,老年人的监护成为了越来越突出的社会问题。本文主要研究方向为室内的人体跌倒行为检测。研究目的是实现对于室内人体跌倒行为的有效检测。针对传统跌倒算法在运动目标提取阶段因前、背景相似而导致的运动目标难以有效提取的问题,提出了基于多信息融合的改进视觉背景提取器(Visual Background Extractor,Vi Be)算法进行运动目标提取,提升了运动目标提取的有效性。获取运动目标之后,为了保证检测精度并降低跌倒检测算法的计算复杂度,提出了基于多特征融合的结合粗判断与细识别的人体跌倒检测框架,有效地降低了计算复杂度。本文的主要工作和创新点如下:(1)、针对运动前景目标与背景相似时难以被有效提取的问题,本文提出了一种基于权重隶属度函数的融合自顶向下信息和自底向上信息以增强前景检测的改进Vi Be算法。首先,背景模型用于捕获自底向上信息,而前景模型用于捕获自顶向下信息。然后,根据像素与每个模型的匹配样本的数量和像素与其匹配样本之间的距离分别计算像素与上述两个模型的匹配度。最后,使用基于权重隶属度的同时使用前景模型匹配度和背景模型匹配度的决策框架来确定像素标签。实验数据表明提出的方法在主观评价和客观评价方面均优于文中采用的其他对比算法,并且,提出的算法相比于原始Vi Be算法在主观评价和客观评价上均有明显提升。实验结果证明了提出的方法的有效性,特别是处理前景与背景相似的视频序列。(2)、为了保证检测精度并降低跌倒检测算法的计算复杂度,本文提出了一种使用RGB-D图像的基于多特征融合的结合粗判断与细识别的人体跌倒检测框架。该框架的基本思路为在粗检阶段首先检测出人体着地行为,然后在细检阶段判断人体着地行为是主动接近地面还是意外跌倒。低计算复杂度的粗检阶段检测到人体着地行为后才会触发高计算复杂度的精检阶段,因此,系统只有在发生疑似跌倒行为时才会进行高复杂度的计算,极大地节约了系统计算资源。同时,形状特征与运动特征融合的方式保证了算法的检测精度。粗检阶段的人体着地行为检测通过滞留物检测、人体识别、特征提取与分类三个部分实现。精检阶段通过目标追踪、运动特征提取和阈值法分类实现最终的跌倒判断。实验结果表明提出的跌倒检测框架可以在有效检测人体跌倒行为的同时保持较低的复杂度。