近年来,公交危险事件频发,反映出的公交安全问题引发全社会越来越多的关注。车辆因故突然失控或车厢内出现其他突发状况时,往往伴随着乘客的跌倒。因此,运用视频监控系统对公交车厢内人员跌倒行为进行报警,能够有效保障车辆和人员的安全,同时防止更严重的后果。基于此,本文结合图像处理、深度学习及视频分析等技术,以自主研发的智能视频监控系统为支撑,对公交车厢场景下的跌倒检测方法展开研究,主要工作内容如下:（1）针对公交车厢场景特点,构建了公交车智能视频监控系统,以公交车为平台,基于NVIDIA Jetson Xavier NX模块构造用于视频处理的核心计算单元。（2）基于深度学习方法,提出一种目标检测与姿态估计相结合的人体检测算法,应用于公交车厢场景,可解决遮挡严重、人员特征难以获取等问题。其中,目标检测算法用于获取人体目标边界框的位置,姿态估计算法用于获取人体关键点的位置,之后基于空间重合度设计了二者的融合策略。针对实验过程,采集并制作了自有数据集,包括人体目标数据集和人体关键点数据集,用于算法的训练和验证。人体检测实验结果表明,融合后的人体检测算法相比单一算法能够获得全面的整体和局部特征。（3）基于图片信息,提出公交车厢场景下跌倒行为静态检测算法,包含跌倒判别条件设置和跌倒判别网络设计。其中,判别条件以人体检测框的宽高比和空间位置为依据;判别网络部分将人体关键点作为特征,以人体骨架为输入,采用监督学习方法训练。融合判别网络与判别条件,设计结果选择策略,实现了基于图片的跌倒检测。实验结果表明,相比单一判别方法,所提方法提高了准确率。（4）基于视频信息,以多目标跟踪算法为基础,结合人员外观特征,设计了二阶段目标匹配算法,实现了基于视频的跌倒行为动态检测。通过二阶段目标匹配算法,关联连续多帧图像内人员的行为状态,累计异常帧数,发出跌倒报警。实验过程中,拍摄并构建公交人员跌倒视频集,对基于视频的跌倒检测方法进行验证,结果表明,结合二阶段目标匹配的跌倒检测算法能够降低误警率,减少系统错误报警。