本文以室内独居老人异常检测为背景,研究基于视觉传感器的独居老人突发失能检测技术,对独居老人的室内生活状态进行实时监测,及时发现老人的异常状况并报警,保障老人的生命健康。在分析老人跌倒与异常检测主要技术路线和典型算法的基础上,从老人全局运动和局部微动两个层面研究老人突发失能时的身体状态特征,设计了基于视觉传感器的突发失能检测算法。在全局运动层面上,针对老人长时间静止状态下室内定位失效的难题,结合独居老人室内空间构成单一的场景特点,采用视觉传感器顶视垂直安装配置,以ViBe背景建模算法为基础,设计了包围盒选择性更新策略实现老人定位。将监控视频视场网格化为4x4个子区域,设计了基于区域状态标记的老人不同空间驻留时间统计方法。建立不同空间驻留时间高斯模型,结合统计学中的小概率事件定理提取老人在不同空间的驻留时间最大值实现老人超时检测。在局部微动层面上,针对老人坐卧等状态下微小动作检测困难的问题,将老人所在的子区域继续划分为5x5个子块,研究子块图像局部方差特征与老人微小动作的关系。以图像的局部方差特征为基础,提取表征子块活跃程度的方差峰谷差率特征,并利用k-近邻算法实现活跃子块的识别,进而实现老人的微小动作检测。合理的融合老人全局运动和局部微动两个方面的信息构建了较为完善的老人突发失能检测算法。本文完成了算法在Windows平台上的实现,设计了基于MFC的可视化操作界面。研究了本文算法移植到Android平台的关键技术,成功移植目标检测功能算法于Android平台,为下一步算法的整体移植提供了技术支持,也是对分布式前端数据处理模式的有益探索。