针对在低功耗、低成本硬件平台快速准确检测老人跌倒高危行为的问题，提出了一种基于AlphaPose优化模型的老人异常行为检测算法。首先，对行人目标检测模型和姿态估计模型进行优化，以加快人体目标检测和姿态关节点推理；然后，通过优化的AlphaPose模型快速计算得到人体姿态关节点图像坐标数据；最后，计算人体跌倒瞬间头部关节点线速度与胯部关节线速度之间的关系，以及人体中垂线与图像X轴之间夹角的变化来判断跌倒现象的发生。将所提算法移植到Jetson Nano嵌入式开发板上，并与当前主要的基于人体姿态的跌倒检测算法YOLOv3+Pose、YOLOv4+Pose、YOLOv5+Pose、trt_pose和NanoDet+Pose进行对比分析。实验结果表明，在所用嵌入式平台上，图像分辨率为320×240时，所提算法的检测帧率达到8.83 frame/s，准确率为0.913，均优于对比算法。该算法具有较高的实时性和准确率，能够及时检测老人跌倒行为的发生。
