随着助力行走外骨骼机器人技术的不断发展,对其进行准确、快速、稳定的控制越来越受到人们的关注。为了满足对助力外骨骼机器人协同控制的要求,需要对其步态信息进行准确的检测。本文的目的在于利用深度学习方法,实现对视频中的外骨骼设备穿戴者的姿态估计,基于姿态估计结果进行步态检测与步态预测,并在外骨骼机器人的控制试验中进行验证。基于视频的步态信息获取方法,其实验设备部署较为便捷且不会影响实验者的运动,因此使用基于视频的方法对外骨骼设备穿戴者进行步态检测具有重要的工程应用价值。本文提出了使用深度学习方法对视频中的外骨骼进行姿态估计,即获取每一帧中关节点的坐标位置,然后根据该姿态估计结果,获得步态检测信息以及预测步态参数的方法,该方法将人体姿态估计应用到了外骨骼步态检测中。具体来说,本文主要针对以下方面进行了相关研究:1)对未穿戴外骨骼设备的正常人进行了人体姿态估计与步态检测研究。使用深度学习方法对用摄像机获取的视频数据进行人体姿态估计,然后基于人体姿态估计结果获取相关的步态参数,并将该方法的结果与基于传感器方法获得的步态参数进行了对比;各关节的相对平均偏差的均值为8.61%,对比结果表明,两者获得的步态参数较为相近。2)将基于深度学习的姿态估计方法应用于外骨骼机器人中,并给出了外骨骼机器人的姿态估计结果。基于对外骨骼机器人的姿态估计结果,对外骨骼进行步态检测,获取到外骨骼机器人运动时的关节角度参数与其它步态时空参数,并与外骨骼平台采集系统获取的步态参数进行比较;各步态时空参数的相对平均偏差值的均值为3.63%,参数对比结果表明,两种方式获得的各项步态参数较为相近,验证了基于姿态估计方法获得的外骨骼步态参数。3)对外骨骼机器人进行动力学分析,并使用ADAMS仿真软件对其进行动力学仿真,为后续实验提供理论指导。对外骨骼机器人在平稳运动时的步态参数进行预测,获得当前时刻往后某固定时间间隔的步态参数预测结果。使用该步态参数预测方法,对外骨骼机器人进行验证实验,实验结果表明,该步态预测方法可帮助外骨骼设备降低使用者的腿部阻力。