Actualmente, la telemedicina ha ganado más fuerza y su uso permite establecer áreas que garanticen de manera aceptable la atención al paciente, ya sea a nivel de control o monitoreo de eventos. Uno de los sistemas que se adaptan a los objetivos de la telemedicina son los sistemas de detección de caídas, para los cuales se utilizan algoritmos de visión artificial o inteligencia artificial. Este trabajo propone el diseño y desarrollo de un modelo de detección de caídas con el uso de inteligencia artificial, el modelo puede clasificar diversas posiciones de personas e identificar cuándo ocurre una caída. Se utiliza una cámara Kinect 2.0 para el monitoreo, este dispositivo puede percibir un área y garantiza la calidad de las imágenes. La medición de los valores de posición permite generar la esqueletización de la persona y la clasificación de los diferentes tipos de movimientos, y la activación de alarmas nos permite considerar este modelo como un asistente ideal y confiable para la integridad de las personas mayores. Este enfoque analiza imágenes en tiempo real y los resultados mostraron que nuestro enfoque propuesto basado en la posición detecta caídas humanas alcanzando una precisión del 80% con una arquitectura simple en comparación con otros métodos de vanguardia.