基于环境传感器的方法主要是将加速度传感器、陀螺仪传感器、红外传感器等嵌入如地板、天花板、墙壁中，然后对收集到的传感器数据进行处理分析。Alwan 等人开发了基于地板振动的跌落探测器的工作原理和设计。人体坠落的检测是通过监测地板振动模式来估计的。其原理是基于地板的振动特征。人跌倒产生的地板振动特征不同于走路等正常活动。一个特殊的压电传感器被用在地板表面上。同时使用电池供电的预处理电路来分析振动模式[15]。Zigel 等人提出了一种基于地板振动和声音感知的跌落检测系统。从信号中提取时间和光谱特征，应用贝叶斯分类器对跌倒和非跌倒活动进行分类。在他们的研究中，使用一个模仿人类的洋娃娃来模拟摔倒，他们的系统检测到这种摔倒，摔倒检出率为 97.5%，错误检出率为 1.4%。Güttler 等人设计在浴室安装了一套红外光敏电阻，使用 Arduino 进行控制，通过检查人体对红外激光的遮挡来判断是否跌倒，该系统的优势在于它使用了光屏障而不是图像识别来识别摔倒的人，同时收集到的数据可以通过 XBee 模块和 Wi-Fi 的网关无线传输到服务器上。Haffner 等设计了一种用于老年人跌倒检测的新型电容测量系统，该系统由集成在地板上的一组平行导线组成。为了检测人的存在和姿势，测量包括自身和相互电容。电容式传感器放在地板覆盖物例如地毯上，而且足够稳定，使得地板的维护操作更容易，测量系统中涉及的所有电子设备都位于地板之外，因此不需要拆除地板来维护系统，给出了两个实验系统的典型测量结果：一个仪器室和一个可移动的演示装置，采用了三种基本的数据分离方法来区分跌倒和没有跌倒的情况。结果表明，这两种系统的验证率都达到了 90%。王召军等人设计了一种基于红外阵列传感器的人体行为识别系统。该系统通过检测环境中的温度分布和变化情况识别人体行为，不需要在老人身上佩戴任何设备，从采集到的温度分布信息中提取特征并采用 K最近邻（K-Nearest Neighbor, KNN）算法实现了"走"、"坐"和"跌倒"3 种状态的识别。实验结果表明平均准确率可达到 95%，其中跌倒准确率为 97.5%，行走准确率高达 100%，坐下准确率为 92.5%。
基于环境的方法优点是不需要老人的佩戴，是一种非侵入性的检测方法，也能保障好老人的隐私。问题在于设置环境传感器的话，检测只能受限于固定的场地，与此同时配置一套环境检测系统，价格非常昂贵，如果环境较为复杂或者出现噪声干扰的话，会出现误报。
