本发明公开了一种基于深度学习的跌倒行为检测方法和系统，方法包括以下步骤：首先，获取人体的骨骼数据。然后对骨骼数据进行预处理，计算提取出对跌倒行为检测有用的低维特征信息。接着使用图卷积算法构建人体图矩阵，人体部位图矩阵通过空域卷积层提取深层的空域特征，并进一步送进双向LSTM层提取时域特征。分别通过若干个空域卷积层+双向LSTM层后，最后送进FC层以进行最后的跌倒行为检测。图卷积可以把非结构化的骨骼信息建模成排列整齐的矩阵形式，利用空域卷积层可以很好地从骨架信息从提取空域特征，并进一步使用双向LSTM层提取时序特征，双向LSTM层可以叠加前后帧间的时序信息，具有高准确率的特点，使整个网络模型具有更好的性能。