跌倒是危害老年人及其他特殊人群的重要因素之一。及时的跌倒检测和救助可以为治疗和抢救赢得宝贵时间,对保障用户健康和提高医疗监护水平都具有非常重要的意义。当前,我国已经进入老龄化社会且呈现加速发展态势,急需研发携带方便、检测准确、判断实时的跌倒检测方法和系统,以满足广泛的社会需求。目前,国内外众多研究机构和高校都在不断研究和实验跌倒检测方法。现有的方法一般是从正常行为(如走路,跑步)数据提取特征训练一个一分类模型,凡不符合该一分类模型的行为会被判断为跌倒,然而个别正常行为(如跑步、下楼梯)的瞬间特征信息与跌倒的相似度较高,加上噪声数据的影响,导致模型的区分能力不足,不能同时满足高检测率和低误警率的要求。为了提高跌倒检测方法的实用性,本文通过统计分析跌倒发生的特点,提出了基于行为切换的跌倒检测方法,本文的研究主要包括如下四部分：1、高精度的连续行为识别模型研究,建立一个连续行为识别模型对人的行为进行识别。该阶段通过大量实验对比分析了多种多分类器的性能,验证了基于多模传感器的模型比基于单一传感器的检测效果更佳,并借助样本分析工具的特征选择功能对本文特征集进行筛选,得到鲁棒性更好的特征集；2、行为切换数据的自动分割技术研究,根据行为识别结果对连续行为序列进行分割,得到行为切换数据集。本文提出了一种自动行为切换数据的分割方法;3、研究并构建了一个异常检测模型,从相邻行为间的正常切换数据集提取特征构建异常行为检测模型,模型通过识别异常行为切换来检测跌倒。该方法以行为切换数据构建特征空间,可以过滤大量的正常行为数据,降低特征空间的复杂度,增强模型的区分能力。本文对比实验显示本文方法的分类精度要高于传统方法,具有一定的实用价值：4、设计并实现了一款基于Android手机的跌倒检测系统,该系统能实时采集传感器的数据,通过跌倒检测模型实时监控用户是否发生跌倒,如果用户发生跌倒,手机会在本地发出蜂鸣报警声,开启定位模块得到跌倒者位置信息,并自动编辑跌倒信息和位置信息以SMS短信方式发送给指定的联系人,以便获得及时的救助。