由于科技医疗水平的提高,人口老龄化程度加深以及生活方式的改变,空巢老人现象也越来越广泛。跌倒已成为造成老年人最普遍最直接的伤害之一,设计出便于监测又方便携带的保护装置将成为我们未来重要研究方向。本文在基于实现可携带的跌倒防护装置的大前提下,主要从事用于求解人体运动目标模型的粒子滤波算法和用于求解人体关节运动模型的动态贝叶斯网络模型的置信传播算法的研究,其主要研究内容及成果如下:　　(1)本文分析了人的运动特点后建立骨骼模型,为了能够在计算机中实现实时计算又建立了人体关节模型。在运动数据方面基于安大略金斯敦皇后大学BioMotionLab实验室的人体运动系统,设计了人体各个关节在行进过程中的行走速度和跌倒空间位置参数,最终实现虚拟人行进和跌倒过程。　　(2)在人体关节模型的基础上对人体运动目标模型和观测模型进行设计,进一步设计出贝叶斯理论框架下的预测方程和更新方程,由于人体运动的多样性和复杂性采用粒子滤波算法对人体贝叶斯模型进行求解。粒子滤波算法是一种可以求解非高斯非线性系统的算法,在文章中对粒子滤波算法的重要性采样、序列重要性采样似然函数的选取以及重采样进行了设计,使用Matlab对该算法进行仿真,最后较好的实现了人体行进和跌倒的姿态估计。　　(3)在人体关节模型的基础上建立了人体动态贝叶斯网络模型,并针对贝叶斯网络的特点提出了置信传播算法来求解模型。置信传播算法是一种专门用于求解图模型的概率统计算法,它对于无环的图模型网络可以精确地计算出边缘概率密度分布。本文针对置信传播算法中相邻节点的信息的传递过程、每个节点置信度更新过程进行了详细的设计及描述,使用Matlab对该网络算法进行了仿真,最后较好的实现了人体行进和跌倒的姿态估计效果。　　经过仿真实验分析,本文所提出两种算法都能够较好完成人体行进及跌倒姿态的估计,本文的研究工作将对未来研究可携带装置的跌倒估计算法的改进提供了一定的参考价值,对预防跌倒对老年人造成伤害有着非常积极的意义。