随着中国老龄化社会的到来,独居老人逐渐增多。意外摔倒日渐成为独居老人伤亡的第一要素,因此,需要对独居老人的日常行为进行监护,当老人发生摔倒时,能快速准确地检测出摔倒行为,并及时报警,降低老人伤亡率。本文分析了国内外摔倒检测方法,基于计算机视觉和图像处理技术,在嵌入式平台上搭建了智能实时监控系统。本文主要研究工作如下:在运动人体目标提取阶段,采用基于背景减除法的混合高斯模型对运动人体目标进行前景提取,提出融合背景减除和边缘提取方法;提出将Sobel算子和Laplacian算子相结合的方法,有效提高前景提取的准确率;结合颜色信息对图像产生的阴影进行抑制;使用形态学、滤波等方法对图像进行去噪处理。在摔倒特征提取阶段,分析了人体摔倒姿态和进行摔倒特征提取时需要考虑的评判标准,使用最小外接矩形框对运动人体进行标记;设计运动人体目标摔倒特征提取方法,将提取的特征组合成向量,完成图像到数值空间的转换。在摔倒行为识别阶段,提出基于多特征融合的摔倒检测方法,该方法能识别老人的摔倒行为,为提高识别摔倒的准确率,引入了支持向量机（support vector machine,SVM）;本文对提取的摔倒特征进行标准化处理,确定SVM的核函数及其参数,完成了模型训练,得到分类器;本文提出基于多特征融合与SVM的摔倒检测算法,并进行算法实验对比分析,实验结果表明,本文提出的摔倒检测算法能有效降低误判率,提高摔倒检测准确率。本文采用树莓派作为核心硬件,在树莓派上对摔倒检测算法进行环境配置,搭建智能实时监控系统,完成实时检测摔倒和报警的功能。