目的：提出一种面向医院患者的视觉监控跌倒检测算法，解决患者由于意外跌倒不能被及时发现的问题，为医护人员快速处理患者跌倒等异常行为提供必要的技术保障。方法：首先，基于深度神经网络模型检测监控图像中人体关节点（如肩部、肘部、腕部、胯部、膝关节等）在图像中的位置，再根据亲和度向量场模型提取人体骨架，最后计算患者躯干、腿部与地面的夹角作为判别性特征，判断监控区域内是否有患者出现意外跌倒。结果：实验结果表明，本文所提算法在实际的医院监护环境中的处理速度高达25帧/s，检测准确率高达96%。结论：该方法能够实时、准确地提取医院环境下患者的行为特征，并针对意外跌倒情况发出警报，为医护人员监测患者跌倒等异常行为提供更准确、方便的计算机辅助医疗护理方法。