Uno de los principales problemas en la población anciana y en personas con discapacidades funcionales es caerse cuando no están supervisados. Por lo tanto, existe la necesidad de sistemas de monitoreo con funcionalidad de detección de caídas. Los robots móviles son una buena solución para mantener a la persona a la vista en comparación con sensores de vista estática. Los robots de patrulla móviles pueden ser utilizados para un grupo de personas y los sistemas son menos intrusivos que aquellos basados en robots móviles. En este documento, proponemos una solución novedosa basada en visión para la detección de caídas, basada en un robot de patrulla móvil que puede corregir su posición en caso de duda. El enfoque general puede formularse como una solución de extremo a extremo basada en dos etapas: detección de personas y clasificación de caídas. Se utiliza visión por computadora basada en aprendizaje profundo para la detección de personas, y la clasificación de caídas se realiza utilizando un clasificador basado en Máquina de Vectores de Soporte (SVM) basado en aprendizaje. Este enfoque cumple principalmente con los siguientes requisitos de diseño: simple de aplicar, adaptable, alto rendimiento, independiente del tamaño de la persona, la ropa o el entorno, bajo costo y computación en tiempo real. Es importante destacar la capacidad de distinguir entre una posición de descanso simple y una escena de caída real. Una de las principales contribuciones de este documento es el vector de características de entrada al clasificador basado en SVM. Evaluamos la robustez del enfoque utilizando un conjunto de datos público realista propuesto en este documento llamado Conjunto de Datos de Personas Caídas (FPDS), con 2062 imágenes y 1072 caídas. Los resultados obtenidos de diferentes experimentos indican que el sistema tiene una alta tasa de éxito en la clasificación de caídas (precisión del 100% y recall del 99.74%). Entrenar el algoritmo utilizando nuestro Conjunto de Datos de Personas Caídas (FPDS) y probarlo con otros conjuntos de datos mostró que el algoritmo es independiente de la configuración de la cámara.