针对老年人意外失足或者某种疾病突然发作引起的跌倒问题， 设计一种便携式无线跌倒检测系统， 在现有三轴加速度 SMV 阈值算法的基础上， 建立二级阈值的人体跌倒检测算法， 判断人体跌倒行为， 并通过无线传输方式发送报警信息。 实验测试结果表明： 该系统具有实时性强、 正确率高、 体积小以及使用距离不受限制等特点。

1、检测图片中是否有任务跌倒； 2、https://blog.csdn.net/qq_40035462/article/details/123136775

通过研究中老年人常见的紧急事故——跌倒为研究对象，针对现有跌倒检测方法存在的诸多问题，我们设计了一种基于压力传感器的跌倒检测系统，该系统包含压力采集模块，基于微处理器的数据处理模块，无线通信模块和后台四个模块。通过检测并分析研究脚底压力在正常行走和跌倒状态下的变化，实现跌倒事件的实时检测。并在此基础上，提出基于支持向量机的跌倒识别方法。实验结果证明该系统的判别具有较高的可靠性和准确性.

源码——行为识别：基于骨架和目标跟踪的行人跌倒检测

fall-detect-track项目的模型权重

行为识别：基于骨架和目标跟踪的行人跌倒检测

跌倒检测数据集，1440张标注好的图片，可直接拿来训练

针对老年人意外跌倒的问题，设计了一种新型的可穿戴式跌倒检测系统。利用惯性测量单元（Inertial Measurement Unit，IMU）对人体的6个自由度（Directions of Free，DoF）参数进行测量，通过跌倒检测算法分析自由度数据，及时检测出跌倒，并将报警信息通过低功耗蓝牙（Bluetooth Low Energy，BLE）发送到智能手机等终端。对不同的跌倒情况进行一系列的试验，测试结果表明，该系统可以有效地检测到意外跌倒事件并发出报警信息，达到预期目标。

跌倒检测 跌倒检测自述文件

跌倒检测两个流cnn 使用两流卷积神经网络（CNN）和运动历史图像（MHI）进行实时跌倒检测 该存储库包含使用两流CNN的实时跌倒检测模型的代码。 光流被“运动历史图像”（MHI）取代，可以进行实时推断。 utils.py文件包含用于生成数据的实用程序代码，train_model.py文件创建并训练模型，而fall_detection.py文件包含使用FDD数据集上的weights文件夹中的权重运行模型的代码。视频或您的网络摄像头。 有关模型架构，性能以及在不久的将来会出现的演示画面/图片的详细说明。 在生成的数据子集上实现了相当不错的交叉验证错误率。 当前致力于获取更多数据并完善数据生成技术。