随着人口的增长，越来越多的国家在面临人口老龄化的问题，同时空巢老人和独居老人所占人口比例也逐渐增多，导致家中无人监护的跌倒行为越来越多。一个鲁棒的自动化跌倒检测系统可以协助独居老人更好的独自生活，在发生危险的时候，可以及时发出警报，避免老人错过最佳抢救和治疗时间。　　在跌倒检测中，人体检测和动作识别是密不可分的两个阶段。由于跌倒动作发生时间短，一些常用的动作识别特征无法准确检测出目标动作，需要重新设计适合于跌倒检测的行为特征描述子。本文针对于当前跌倒检测中的特征设计和分类器设计展开研究，主要工作以及创新点如下:　　1.综述了跌倒检测方法。首先，通过大量的查阅文献，对当前的跌倒检测相关技术进行了全面的归纳总结，并且重点介绍了基于计算机视觉跌倒检测的常用方法。总结这些方法中常用的基本思想和原理，分析比较了各个方法所用特征和分类器的优缺点。　　2.在特征设计上，针对当前特征描述子缺少时间敏感度的问题，提出了时序敏感多特征融合的行为特征描述子。该描述子首先采用多特征融合对每一帧下的人体状态进行编码拟合，即检测对象的最大高度、检测对象中心距离地面的高度和低于阈值高度的关节点个数。基于上述提取的低层特征，采用回归的方法，使得不同阶段，低层特征的回归值不一样。然后通过这些不同的回归值，反过来区分出跌倒检测四个阶段的关键时间点，然后分别在每个阶段进一步提取速度特征，作为动作分类器的输入，从而判断是否发生了跌倒行为。　　3.本文的主要创新点是针对跌倒的阶段性特点，提出了基于回归的跌倒状态拟合方法。该方法利用检测对象的最大高度，检测对象中心距离地面的高度和低于阈值高度的关节点个数等特征，通过回归的方式，使得跌倒不同阶段的回归值不一样，从而方便对跌倒的各个阶段的开始和结束时间进行定位。提取时间序列可以有效的解决由不同对象不同环境带来的跌倒时间各个阶段长短不固定的情况。然后，针对于时间维度设计了四个符合跌倒的特征，可以很好地刻画检测对象在跌倒的各个时间点发生的关键动作。　　总之，本文面向跌倒检测领域，由浅入深，从状态序列和时间序列的提取两方面入手，根据两个序列来设计序敏感的特征，可以进行实时的判断，过滤日常活动的动作判断流程。最后根据训练得到的分类器，来判断是否发生了跌倒动作。最后的实验结果也证明了方法的有效性。