随着中国人口老龄化进程的加速,老年人的健康安全问题逐渐引起人们的重视。跌倒是威胁老年人健康安全的最危险的意外事故之一。针对老年人的跌倒威胁,现有的研究主要集中于跌倒检测,用于跌倒后的急救处理,属于事后应急策略。然而跌倒对老人、家庭以及社会的伤害已经造成,弥补措施极其有限。因此,如何通过老年人身体状态评估,预测跌倒风险,制定相应的主动干预策略,降低老年人跌倒的发生概率,从根本上保障老年人的健康和安全,是应对老年人跌倒最为有效的手段。目前,针对老年人跌倒风险评估的研究集中于步态分析和姿态检测,获取了大量的风险评估模型。然而,绝大多数风险评估模型的构建缺乏真实场景下的日常生活数据,无法对老年人的身体状态进行有效的评估,风险评估模型缺乏有效性。此外,大多数研究利用单一设备感知老年人的身体状态,噪音和遮挡问题是单一感知评估模型无法克服的困难。同时,感知设备的侵入性带来了老年人下意识抗拒和数据可信度问题。针对上述问题,本文从多维感知冗余互补的角度,研究老年人行为低侵入感知分析算法,实现跌倒风险高精度评估。具体研究内容如下:首先,构建基于步态分析的行走稳定性分析模型。行走是人体最基础的功能之一,步态稳定性分析是跌倒风险评估最为有效的手段之一。针对步态分析中高侵入性问题,本文利用激光雷达的高精确性和低侵入性,感知老年人日常步态,研究多人脚步精确跟踪及遮挡恢复,实现老年人日常步态稳定性精确分析。其次,构建基于姿态分析的行走平衡性检测模型。身体平衡性与跌倒具有较高的相关性,行走稳定性检测对跌倒风险评估具有重要的意义。针对姿态检测中传统RGB摄像机侵犯隐私与骨骼姿势遮挡丢失的问题,本文使用深度镜头捕捉老年人行走姿态,研究老人姿态检测及基于自适应视角旋转的遮挡恢复,实现老年人日常行走平衡性检测与分析。再次,构建基于行走自关联分析的摆臂均衡性检测模型。摆臂是人体行走过程中伴随的规律性行为,摆臂均衡性检测是跌倒风险的评估的有效手段之一。针对上述分析中遮挡造成的精度损失问题,本文借助智能腕表低侵入和持续监测特性,全天候连续分析老年人行走摆臂均衡性,对遮挡带来的信息损失和预测误差进行补充和修正。之后,构建基于多维数据融合的老人跌倒风险评估模型。针对单一数据跌倒风险评估易受环境影响、精度较低的问题,本文从冗余互补的角度对步态特征、姿态特征及摆臂均衡性特征进行多维融合,提出一种门控循环单元（GRU）与深度神经网络（DNN）结合的注意力机制模型。实验结果表明可以正确的评估老年人日常行走的跌倒风险,平均准确度达到84.7%,证明了冗余互补的数据融合在跌倒风险评估中的有效性与准确性。最后,设计并实现了多维数据融合的老人跌倒风险预警系统。对上述数据分析与跌倒风险评估进行了整合与测试,验证了上述研究方法与理论的可行性。