跌倒检测系统的目标是自动检测人类跌倒并可能已经受伤的情况。这种系统的一个自然应用是对病人和老人的家庭监控，以便在跌倒造成伤害的情况下自动提醒亲属和/或当局。我们提出了一种基于Kinect的统计方法，通过考虑人跌倒的帧数、跌倒的幅度、跌倒的最大速度和跌倒过程中逐帧下降的速度，根据最后几帧做出判断。由于深度传感器的范围是0:5米到4米，一个Kinect不足以覆盖整个空间。我们在家庭环境中设置了两个Kinects。我们独立于用户和相机的测试表明，我们的方法在现实生活中是适用的。

实验场景

本文的实验数据来自于德克萨斯大学阿灵顿分校Heracleia以人为本计算实验室的实验。在这个实验室里，设置了一个模拟的公寓。两个Kinects被设置在公寓的两个角落，并被设置为监视公寓。设置两个Kinects的原因是深度传感器的范围是从0:5米到4米，这意味着一个Kinect不足以覆盖整个公寓。下图中第一行是视图1，第二行是视图2，左边是深度图，右边是颜色图。

实验场景

本文的实验数据来自德克萨斯大学阿灵顿分校的 Heracleia人类中心计算实验室的实验。

在这个实验室中，已经设置了一个模拟公寓。在公寓的两个角落设置了两个 Kinect，并设置了监控公寓。设置两个 Kinect 的原因是深度传感器的范围为 0：5m 到 4m，这意味着一个 Kinect不足以覆盖整个公寓。

左侧为深度图，右侧为彩色地图。

实验数据

六个被试在两个场景中分别做了几个动作。

这些动作包括真正的跌倒和其他类似跌倒的动作，如从地上捡起硬币，在地上坐下，系鞋带等。场景1中有10400帧和12个真实摔倒，而场景2中有21214帧和14个真实摔倒。下表显示了我们实验中的类似摔倒的动作。

在上表中，pf表示从地板上捡东西，ts表示系鞋带，sb表示在床上睡觉，sif表示坐在地板上，pd表示打开下面的抽屉，这个抽屉离地板很近，jb表示跳到地上，sf表示在地板上睡觉。下面的数字显示了一个跌倒的过程。

A fall process

在注释文件中，格式是这样的。Alexis view1 202 215。Alexis是用户名。view1表示场景1。202是开始帧，215是结束帧。下面的数字显示了一个典型的类似摔倒的动作，就是坐在地上。

Sitting on the floor