随着生活水平的提高以及医疗卫生条件的不断改善,人口寿命不断延长,使得人口老龄化问题日益突出,如何保障老年人的晚年健康成为当今社会的热点问题。调查结果显示,导致老年人意外受伤甚至死亡的最大因素是跌倒。同时,由于子女无法一直陪在父母身边,当老人跌倒时,一旦未及时发现,将会产生极其严重的后果。因此,提供实时的安全监测,对于老年人的生活质量乃至生命保障具有重要的研究意义。随着视频监控的广泛使用,基于视频的跌倒检测技术因其具有丰富的监测信息、非接触式监测方式、成本低等优势具有良好的发展前景。因此,及时、准确地自动检测出家庭视频监控中的跌倒行为成为计算机视觉领域的一大研究热点。可靠的基于视觉的跌倒检测系统不仅能够有效保障独居老人的安全,也将在未来的医疗保健以及援助系统中扮演非常重要的角色。传统的基于视觉的跌倒检测方法针对的是清晰的视频,即利用图像处理技术在高质量的视频序列中提取并分析受试者的特征,以确定视频中是否存在跌倒现象,但在强调个人隐私保护的今天,传统的基于视觉的跌倒检测方法存在个人隐私暴露等严重的缺点,本文基于计算机视觉的跌倒检测系统,从跌倒行为检测与隐私保护两方面出发,做到既可以保护老年人的安全,又可以避免老年人的隐私泄露。首先利用多层压缩感知技术对原始的视频数据进行视觉隐私保护处理,使得处理后的视频达到隐私保护的目标;在此基础上,对视频的前景动目标提取以及分类器设计等技术进行研究,以实现跌倒检测的目的。本文的主要工作可概括为以下几部分:（1）分析了当前跌倒检测的主要研究现状以及常用方法,从三个方面详细介绍了常用的跌倒检测方式,前景动目标提取方法以及常用的行为分类器。（2）为实现对视频数据的隐私保护,基于传统的压缩感知理论,本文详细地对测量矩阵的构造进行了介绍,在此基础上,分析比较当前常用的测量矩阵的特征,并创新性的提出应用于本文的基于混沌伪随机的伯努利测量矩阵,利用此测量矩阵对原始视频进行压缩感知（compressed sensing,CS）处理,得到视觉隐私保护态（visual privacy protection,VPP）的视频数据。获取到的VPP数据不仅可以实现视觉隐私保护的目的,还可以极大降低视频处理的数据量,便于后续的处理。（3）视频数据在经过多层视觉隐私保护处理后,不仅会丢失一部分信息,还会引入大量的噪声,使得被检测目标难以分辨,增加了后续跌倒行为识别的难度,因此需要去除掉背景信息和噪声。本文首先介绍了低秩稀疏分解的相关理论,通过其存在的问题,引出本文使用的广义非凸鲁棒主成分分析（Generalized Nonconvex Robust Principal Component Analysis,GNRPCA）算法,该算法在本文的具体应用中可以提取明确的前景动目标信息,为后续的研究提供了较好的特征支撑。（4）为了在视觉隐私保护的基础上较为准确地识别出前景动目标的跌倒行为,本文从生成对抗网络（Generative Adversarial Network,GAN）网络出发,依托带有辅助分类器的GAN（Auxiliary Classifier GAN,AC-GAN）的基本架构,在此基础上进行网络的改进,将改进的AC-GAN架构作为一种新的信息迁移工具,实现VPP数据与原始视频数据之间特征的竞争学习,从而丰富VPP数据自身特征的表达。在三个开放的跌倒数据集上进行测试,实验结果表明,该方法不仅能有效检测视频中的跌倒行为,而且准确率较高。