本发明公开了一种基于三维卷积神经网络的跌倒行为识别方法，首先获得并预处理跌倒数据集视频，得到跌倒行为视频样本；将视频采用基于混合高斯与自适应阈值的三帧差法结合的目标检测方法去除背景，再用小面积去除及形态学方法得到完整人体目标区域；提取人体目标区域的光流运动历史图像特征，然后对特征图像用数据重叠扩增的方式增加样本集；将重叠扩增后的跌倒行为样本集按照7:3的比例随机分成训练样本集和验证样本集输入3D卷积神经网络模型分类器并不断迭代训练，同时使用验证样本集不断验证模型分类器；将测试样本集输入训练后的模型分类器中，完成跌倒行为识别。本发明解决了现有跌倒检测方法受背景干扰导致分类识别率及精度低的问题。