随着智能视频监控分析技术的不断发展,面向人的行为的检测分析研究也不断展开,而家居安全正是其中重要的一部分。利用视频图像分析来检测摔倒等意外事件的发生,对于老人家居安全无疑有着重要意义。本文首先针对视频监控领域的人体目标检测方法进行了分析和研究,针对直立行人检测中HOG算法计算量较大,实时性较差的问题,选择了CENTRIST算法进行实时行人检测算法的开发工作,并在海思Hi3516平台上进行了移植。考虑到摔倒事件中存在非直立姿态的人体,并且人体姿态的多样性会导致整个人体检测的误检率和漏检率升高,本文研究了基于人体部位的人体姿态Poselet检测方法。Poselet作为人体整体或某一部位的特定姿态,可通过关节点标注、部位相似度度量后获取训练样本,提取HOG特征并使用线性SVM作为分类器进行训练,来对人体目标特定的部位姿态进行检测。针对原有Poselet样本库的不足,本文首先扩充了摔倒事件检测所需的Poselet样本,使样本库更适合于摔倒场景下的检测,然后训练得到不同躯干角度的新Poselet分类器并进行了实验。结果表明,使用本文的Poselet分类器能较好地检测出弯腰、躺倒等特殊姿态下的人体目标,从而检测人体的不同姿态并作为下一步摔倒事件检测的基础。针对摔倒事件发生时人体姿态时空变化的特点,如头部、躯干等部位存在随时间变化的相对位置关系,本文研究了人体在不同姿态中关键部位的空间位置和角度分布,用状态机模型来表示不同姿态间的转换,提出了一种基于人体部位时空变化的姿态检测和摔倒事件检测方法,通过实验验证分析,该方法对不同的姿态有着较好的辨识度,能够较好地检测人体姿态的变化情况,从而检测摔倒事件的发生。