Las caídas son una de las principales causas de lesiones en personas mayores. Si se puede encontrar al caído a tiempo, se puede evitar eficazmente una lesión adicional. Con el fin de proteger la privacidad personal y mejorar la precisión de la detección de caídas, este documento propone un algoritmo de detección de caídas utilizando la red CNN-Casual LSTM basada en sensores de aceleración de tres ejes y sensores de velocidad angular de tres ejes. La red neuronal en este sistema incluye una capa de codificación, una capa de decodificación y un clasificador ResNet18. Además, la capa de codificación incluye tres capas de CNN y tres capas de Casual LSTM. La capa de decodificación incluye tres capas de deconvolución y tres capas de Casual LSTM. La capa de decodificación mapea la información espaciotemporal a una salida de variable oculta que es más favorable en relación con el trabajo de la red de clasificación, que es clasificada por ResNet18. Además, utilizamos el conjunto de datos público SisFall para evaluar el rendimiento del algoritmo. Los resultados de los experimentos muestran que el algoritmo tiene una alta precisión de hasta el 99.79%.