針對現(xiàn)有跌倒檢測算法由于缺乏真實老人跌倒樣本以及使用年輕人仿真跌倒樣本規(guī)模較小導(dǎo)致的過擬合和適應(yīng)性不足等問題，提出了基于隨機森林的跌倒檢測算法。該算法采用滑動窗口機制，對窗口內(nèi)的加速度數(shù)據(jù)進(jìn)行時間域和變換域處理，提取時間域和變換域特征參數(shù)后，在所有樣本集中進(jìn)行有放回的Bootstrap隨機抽樣和屬性隨機選擇，構(gòu)建多個基于最佳屬性分割的支持向量機（SVM）基本分類器。在線跌倒檢測階段，對多個SVM基本分類器的分類結(jié)果采用少數(shù)服從多數(shù)的原則，給出最終判定結(jié)果。實驗表明，隨機森林跌倒檢測算法可獲得95. 2%的準(zhǔn)確率、90. 6%的敏感度和93. 5%的特異性，明顯優(yōu)于基于SVM和反向傳播（BP）神經(jīng)網(wǎng)絡(luò)跌倒檢測算法，反映出隨機森林跌倒檢測算法能更準(zhǔn)確地檢測跌倒行為，具有較強的泛化能力和魯棒性。