تعداد افراد سالمند که به تنهایی زندگی می کنند، در بسیاری از کشورها در حال افزایش است. یکی از مهمترین خطراتی که این افراد را تهدید می کند زمین خوردن است که نیاز به رسیدگی سریع دارد. سیستم های تشخیص خودکار زمین خوردن انسان کمک می کنند تا افراد به زندگی عادی خود در منزل ادامه دهند و هزینه وارد بر سیستم بهداشت و درمان کشور را کاهش می دهند. بنابراین بازار خوبی برای آنها وجود دارد. سیستم های نظارت بصری نسبت به تجهیزات پوشیدنی مزیت دارند؛ زیرا مزاحم زندگی عادی افراد نمی شوند. این گونه از سیستم ها ویژگی های مناسب را از دنباله تصاویر ویدئویی استخراج کرده و بر اساس آنها تصمیم گیری می کنند. ویژگی های رایج معمولاً وابسته به جهت دید دوربین هستند. استفاده از چند دوربین برای حل این مشکل باعث پیچیدگی سیستم نهایی می شود. ما در این تحقیق از نقص موجود در یک الگوریتم ساده جداکردن پس زمینه استفاده کردیم و پیشنهاد دادیم که از تغییرات مساحت سیلوئت بدست آمده از یک دوربین به عنوان ویژگی مستقل از جهت دید دوربین استفاده شود. ما روش میانگین جلو رونده را برای جدا کردن پس زمینه بکار بردیم و به صورت تجربی و ریاضی نشان دادیم که تغییرات مساحت سیلوئت از این روش می تواند مشخصات زمین خوردن مانند حرکت سریع حین افتادن، برخورد با محیط اطراف و عدم حرکت پس از آنرا نشان دهد. به منظور طبقه بندی نمونه ها از ماشین های بردار پشتیبان استفاده کردیم و یک سیستم طبقه بندی برای ترکیب چند ویژگی پیشنهاد دادیم. شبیه سازی را روی یک مجموعه داده بزرگ انجام دادیم که اختصاصاً برای تشخیص زمین خوردن ساخته شده و به صورت عمومی در دسترس است. طبقه بندی براساس ویژگی پیشنهادی مساحت سیلوئت خطای 6/4 درصد ایجاد کرد که بسیار بهتر از ویژگی های رایج مانند سرعت عمودی و نسبت منظری است. بیشتر خطاهای طبقه بندی مربوط به موارد نشستن یا دراز کشیدن است که منجر به هشدار اشتباه می شود. در صورت تعریف صندلی و تخت به عنوان نواحی غیر فعال در اتاق خطای سیستم به 1/2 درصد کاهش می یابد. این نتایج قابل مقایسه با پیچیده ترین سیستم های مبتنی بر چند دوربین است. عموماً در سیستم های خودکار مبتنی بر دوربین، ویژگی های استخراج شده از تصاویر وابسته به کیفیت سیلوئت هستند که هیچگاه کاملاً دقیق بدست نمی آید. مزیت روش ما این است که نیاز به سیلوئت دقیق شخص ندارد؛ بلکه از عدم کیفیت آن برای رسیدن به هدف استفاده می کند. این موضوع و همچنین استفاده از تنها یک دوربین باعث سادگی سیستم نهایی می شود و پتانسیل پیاده سازی روی سخت افزار را ایجاد می کند. خروجی چنین دوربینی به جای تصاویر ویدئویی می تواند هشدار زمین خوردن و یا ویژگی استخراج شده از تصویر باشد که برای حفظ حریم شخصی افراد بسیار موثر است.