Las caídas son una de las principales causas de muerte accidental para todas las personas, pero los ancianos tienen un riesgo particularmente alto. Las caídas son un problema grave en el cuidado de las personas mayores que viven solas y tienen acceso limitado a cuidadores de salud y cuidados de enfermería especializados. Los sistemas convencionales basados en visión para la detección de caídas son propensos a fallar en condiciones de poca iluminación. Por lo tanto, se ha vuelto una necesidad urgente un sistema automatizado que detecte caídas en condiciones de baja luz para proteger a las personas vulnerables. Este artículo propone un novedoso sistema de detección de caídas basado en visión que utiliza técnicas de seguimiento de objetos y mejora de imágenes. El enfoque propuesto se divide en dos partes. Primero, los fotogramas capturados se optimizan utilizando un algoritmo de estimación de doble iluminación. A continuación, se propone un marco de seguimiento basado en aprendizaje profundo que incluye detección mediante YOLOv7 y seguimiento mediante el algoritmo Deep SORT para realizar la detección de caídas. En los conjuntos de datos de caídas Le2i y UR fall detection (URFD), evaluamos el método propuesto y demostramos la efectividad de la detección de caídas en entornos de noche oscura con obstáculos.