Las caídas humanas son un problema que afecta especialmente a las personas mayores, resultando en discapacidades permanentes o incluso en la muerte de la persona. Evitar las caídas humanas es un deseo social, pero es casi imposible de lograr porque no se puede garantizar una prevención total. Una posible solución es la detección de caídas humanas en tiempo casi real para que la ayuda pueda ser proporcionada rápidamente. Esto tiene el potencial de reducir en gran medida la gravedad de la caída en las consecuencias de salud a largo plazo. Este trabajo propone una solución basada en dispositivos de internet de las cosas instalados en los hogares de las personas. La solución propuesta no es intrusiva y puede implementarse no solo en hogares, sino también en hospitales, centros de rehabilitación y hogares de ancianos. La solución utiliza una arquitectura de computación de tres capas compuesta por borde, niebla y nube. Se utiliza un modelo matemático que utiliza la wavelet de Morlet y un modelo de inteligencia artificial que utiliza redes neuronales artificiales para la clasificación de caídas humanas; se comparan ambos enfoques. Los resultados mostraron que la combinación de ambos modelos es posible y aporta beneficios al sistema, logrando una precisión del 92.5% sin falsos negativos.