根据中国第六次人口普查报告显示，截止2010年底，60岁及以上人群已达到1.78亿，占国内总人口的13.26%。预计到2020年，老龄化人口总数将接近2.48亿，老龄化水准将推进到17.17%。除外，每年有数以千计的群体因交通意外长期遭受病魔的困扰。人口老龄化加剧和高比率机械损伤不仅降低他们的生活质量，而且也增加社会的沉重负担,限制国民经济的快速发展。为增进下肢运动障碍人群的运动机能，有必要针对运动障碍人群进行适当的下肢康复训练。在康复训练期间，更需要准确地检测下肢的步态信息，这有助于降低康复训练过程中意外事故出现的机率。为此，本文基于全向下肢康复机器人开发出一套步态检测系统，依此获得康复训练期间下肢前表面标记点部位到检测平面的水平相对距离。并根据步态数据的变化特征建立时间序列模型，并结合卡尔曼滤波对未来时刻的步态信息进行递推预测与估计，并利用正常步态条件下预测值与估计值的偏差平均值来识别步态。步态检测系统固定在全向下肢康复机器人的前方内侧，其感应元件朝向全向下肢康复机器人的内部区域。在参与康复期间，通过步态检测系统获取受训者下肢前表面标记点部位到检测平面的水平相对距离。根据一段时间内正常步态序列的随机性、关联性和周期性特点对正常步态序列建立时间序列模型来反映步态变化规律。然后在时间序列模型基础上结合卡尔曼滤波对未来时刻的步态信息进行预测与估计，及时掌握受训者可能出现的步态。为了识别不同步态模式，并在异常步态出现时及时做出防护措施，这里在对正常步态序列建模、预测的基础上计算正常步态序列在一段连续时间的预测值与估计值的偏差平均值的波动范围作为正常步态序列的最大允许范围，如果同等时间段内步态序列预测值与估计值的偏差平均值在最大允许范围内波动，则视为正常步态；否则视为异常步态，给出报警信号向医护人员求救。