随着视频监控在日常生活中广泛应用,通过监控自动的识别出画面中人体的动作变得至关重要。跌倒作为威胁人们健康的一个因素,如果可以迅速的识别出并做出预警,可以及时保护人们的安全。跌倒检测作为人体行为理解的一个分支,其目的是识别出场景中人物是否处于跌倒状态,因此跌倒检测研究具有重要意义。人体在跌倒时,由于身体各个部位的反应机制和承受伤害的等级不同,不同方向的跌倒动作会对人体产生不同强度的伤害,通常人体前倾摔倒造成的伤害相较于人体后倾摔倒造成的伤害较小。现有的跌倒检测研究通常只注重于检测跌倒行为是否发生,而没有关注跌倒的方向问题。针对以上分析,本文提出一种基于姿态估计的跌倒检测和方向判断方法,首次解决了基于姿态估计的人体跌倒检测及跌倒方向判断问题。首先,从姿态分析的角度对跌倒的不同情况进行研究,检测跌倒行为发生的时机并判断其跌倒的方向,从而做出准确的预警。为了做出精准的跌倒检测以及方向判断,本文通过人体检测的方法识别出场景中人的位置,接着通过姿态估计网络预测出每个人体的关节点坐标。在得到具体特征参数的基础上,使用svm分类器对有关的关节点特征进行分类训练,从而提高跌倒检测分类器的精度。然后,在跌倒检测分类器检测到跌倒事件发生后,对当前节点的前后帧信息进行保存,并将它们输入到三维转换网络中,把二维关节点信息通过相应的算法转为三维关节点,同时对所有帧序列参数统一化。在三维坐标的基础上对人体进行建模,根据相关公式计算出人体跌倒的具体方向。最后,为了验证方法的有效性,本文在Multi Cam、Le2i、UR等数据集中与其他方法进行实验比较。最终的实验结果验证了本文提出的方法在跌倒检测任务中具有一定的优势。