随着科学技术的不断发展,全球老龄化进程不断加快,老年人的身体及身心健康越来越受到社会大众的普遍关注。跌倒是造成老年人健康的威胁之一,及时的检测并报警救助就显得尤为关键。视频跌倒检测技术因其成本低、监控范围广及对环境要求低等特点被广泛的应用于跌倒检测及救助等过程中。本文利用计算机视觉算法结合不同场景下跌倒动作的特点,研究基于卷积神经网络的跌倒行为分析,并开发设计跌倒检测报警系统,最后部署到嵌入式开发平台Jetson AGX Xavier上,实现不同场景的跌倒快速检测。主要研究工作如下:（1）提出了基于YOLOv3 tiny检测网络与Alpha Pose姿态识别框架及时空图卷积神经网络相融合的跌倒检测算法。利用改进的YOLO v3 tiny有效框定人体运动目标,缩小跌倒检测动作范围,通过Alpha Pose网络识别出骨骼关键点,并通过时空图卷积神经网络识别检测人体骨骼关键点判定跌倒等不同动作,实现对多场景下跌倒等不同动作的精确检测,平均准确率达到97.4%。（2）提出基于深度卷积自编码器的跌倒行为检测算法。针对一些隐私性较强的场景,利用深度相机Kinect创建深度数据集,能很好的保护用户隐私,并把跌倒检测视为异常检测问题即二分类问题。利用改进的深度卷积自编码器网络实现强鲁棒性的输入重建,防止自编码器变为线性编码值导致特征提取不充分,最后通过重建误差的大小判断是否发生跌倒异常行为。实验结果表明该算法的AUC值达到92.7%,在隐私性和准确率之间能实现较好的平衡。（3）为了进一步使本文提出的算法能应用到实际场景中,设计开发了一整套跌倒报警检测系统,并将算法模型部署到Jetson AGX Xavier嵌入式平台上,实现养老院、卫生间等全场景下跌倒的快速部署及检测。当发现有跌倒行为发生时,该报警检测系统能立即发送短信通知紧急联系人,实现对跌倒者的及时救助。实验结果表明,该报警检测系统能够在嵌入式开发平台上运行良好且检测准确。