随着人口老龄化加剧,世界各国都面临老龄人口增加和医疗资源紧张的社会问题,这其中对老人进行跌倒监测和救护是重点之一。世界各国研究机构和企业针对跌倒检测方案开展了广泛的研究和试验,很多跌倒检测算法和商业产品相继问世,但普遍存在准确率低、实用性有限、用户使用体验差等问题。随着人工智能和自动化技术的发展,移动机器人在各个领域中起到了越来越重要的作用,在跌倒检测任务中亦是如此。移动机器人在改善用户体验和增强人机交互的同时,可以弥补传统检测方案灵活性不足的缺点。本文以此为出发点,旨在研究并实现一套基于移动机器人的跌倒检测算法,提高算法的准确性并且在实际生活场景下改善用户的使用体验。本文的主要工作和贡献总结如下:(1)讨论了目前国内外各种跌倒检测算法存在的优缺点,对老年人的日常行为进行了总结。详细分析了人体在跌倒过程中和跌倒后的姿态特征变化,对跌倒动作进行了定义,指出了检测算法可以根据人体跌倒后的动作特征、人与地面的语义关系两个方面进行设计和实现。(2)利用跌倒过程中人体轮廓特征变化较大的特点,设计并实现了一种基于人体轮廓特征的跌倒检测算法。算法首先使用目标检测算法检测人体目标区域,然后提取人体区域宽高比、质心高度、离地高度和方向角四种特征,训练SVM分类器进行分类,算法在公开数据集上的精确率高于现有算法。(3)提出了一种新的检测算法CRN(Coexistence Relation Network)。CRN在提取目标本身细节特征的同时,有效地利用了全局上下文信息辅助检测任务,提高检测算法的准确率。CRN是端到端的,可以简化训练和测试过程,保证了算法能够快速准确地完成检测任务。多个公开数据集上的实验结果表明CRN可以将目标检测的mAP提高1%左右,动作识别提高1.3%,跌倒检测提高1.7%。(4)搭建了一套基于移动机器人的跌倒检测系统,验证了本文算法在有限计算资源条件下的有效性和实用性。移动机器人负责图像的采集、传输以及进行检测位置的调整,引入云端检测平台来完成接收数据、跌倒检测和报警等任务。在实际场景下,整套系统可以流畅的完成跌倒检测任务,有着较好的用户体验。