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。

使用3D运动传感器的姿势和跌倒检测系统 这项工作提出了一种监督学习方法，用于训练姿势检测分类器，并使用Microsoft Kinect v2传感器使用姿势分类结果作为输入来实施跌倒检测系统。 Kinect v2骨架跟踪为25个身体部位提供3D深度坐标。 我们使用这些深度坐标来提取七个特征，这些特征包括对象的高度和某些身体部位之间的六个角度。 然后将这些特征输入到完全连接的神经网络中，该神经网络输出对象的三种已考虑姿势之一：站立，坐着或躺下。 在由多个对象组成的测试数据上，所有三种姿势的平均分类率均达到99.30％以上，这些对象大部分时间甚至没有面对Kinect深度相机，并且位于不同的位置。 这些结果表明，采用提议的设置对人体姿势进行分类的可行性与对象在房间中的位置以及3D传感器的方向无关。 系统演示请观看Posture_fall_detection_demo.mp4视频，以了解姿势和跌倒

本文研究了一种基于多传感器的，可穿戴的，实时检测老年人日常运动状况的嵌入式系统，可以及时准确地检测到老年人因为意外而发生的跌倒状况，并发出报警求救信息，将老人发生意外跌倒的位置和求救信息发送至监护人，以便可以对老人进行及时的救助，使得因跌倒对老人造成的伤害降至最低限度。经实验分析，本文设计的跌倒检测系统误报率和错报率较低，具有较高的准确性和可靠性。

款基于Android手机的老人跌倒检测系统，该系统能够通过Android手机内置的加速度传感器实时采集人体姿态加速度的信息数据，通过该多阈值法跌倒检测系统实时监测目标用户是否发生跌倒行为。