Falling is one of the most serious problems for humans, accounting for up to 25% of death rates, which is even higher for the elderly. Falling detection is one of the most important problems in computer vision. In recent years, computer vision has made impressive progress when deep learning demonstrates the ability to automatically learn. There have been many deep learning models based on 3D convolutional neural network (CNN) that have been proposed to solve this problem. In this paper, we propose a model which is called (2+1)D ResNet-18 to solve the falling detection task. The experimental results show that (2+1)D ResNet-18 gives 0.87% better accuracy on the FDD dataset and 1.13% on the URFD dataset than the recently proposed methods.Té ngã là một trong những vấn đề nghiêm trọng đối với con người, chiếm tỷ lệ tử vong lên đến 25%, tỷ lệ này càng cao hơn đối với những người cao tuổi. Nhận dạng người bị ngã là một trong những bài toán quan trọng trong lĩnh vực thị giác máy tính. Những năm gần đây, thị giác máy tính đã đạt được tiến bộ ấn tượng khi mà học sâu thể hiện khả năng tự động học. Đã có nhiều mô hình học sâu dựa trên mạng nơ ron tích chập 3D (CNN) đã được đề xuất để giải quyết vấn đề này. Trong bài báo này, chúng tôi đề xuất một mô hình (2+1)D ResNet-18 giải quyết bài toán nhận dạng người bị ngã. Kết quả thử nghiệm cho thấy, (2+1)D ResNet-18 cho độ chính xác tốt hơn 0,87% trên bộ dữ liệu FDD và 1,13% trên bộ dữ liệu URFD so với các phương pháp được đề xuất gần đây.