針對(duì)現(xiàn)有跌倒檢測(cè)算法由于缺乏真實(shí)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(guò)擬合和適應(yīng)性不足等問(wèn)題，提出了基于隨機(jī)森林的跌倒檢測(cè)算法。該算法采用滑動(dòng)窗口機(jī)制，對(duì)窗口內(nèi)的加速度數(shù)據(jù)進(jìn)行時(shí)間域和變換域處理，提取時(shí)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(jī)抽樣和屬性隨機(jī)選擇，構(gòu)建多個(gè)基于最佳屬性分割的支持向量機(jī)（SVM）基本分類器。在線跌倒檢測(cè)階段，對(duì)多個(gè)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(shí)驗(yàn)表明，隨機(jī)森林跌倒檢測(cè)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(cè)算法，反映出隨機(jī)森林跌倒檢測(cè)算法能更準(zhǔn)確地檢測(cè)跌倒行為，具有較強(qiáng)的泛化能力和魯棒性。