La población envejecida ha aumentado drásticamente en las últimas dos décadas, estimulando el desarrollo de dispositivos para la atención médica y propósitos médicos. Como uno de los principales riesgos potenciales, las lesiones causadas por caídas accidentales en el hogar son peligrosas para la salud (e incluso la esperanza de vida) de las personas mayores. En este artículo, se propone un algoritmo mejorado YOLOv5s, con el objetivo de mejorar la eficiencia y precisión de la detección de caídas ligera a través de las siguientes modificaciones que elevan su precisión y velocidad: primero, se aplicó un algoritmo de agrupamiento k-means++ para aumentar la precisión de las cajas de anclaje; se reemplazó la red backbone por una red ligera ShuffleNetV2 para integrar dispositivos simplificados con capacidad de computación limitada; se añadió un módulo de mecanismo de atención SE a la última capa de la red backbone para mejorar la capacidad de extracción de características; la función de pérdida GIOU fue reemplazada por una función de pérdida SIOU para aumentar la precisión de la detección y la velocidad de entrenamiento. Los resultados de las pruebas muestran que el mAP del algoritmo mejorado se incrementó en un 3.5%, el tamaño del modelo se redujo en un 75%, y el tiempo consumido para el cálculo se redujo en un 79.4% en comparación con el YOLOv5s convencional. El algoritmo propuesto en este artículo tiene una mayor precisión y velocidad de detección. Es adecuado para su implementación en dispositivos embebidos con rendimiento limitado y a un costo más bajo.