随着我国经济水平的发展和医疗水平的提升,我国老年人口数量逐年攀升,老龄化的形势变得日益严峻。大多数老年人的运动能力会随着年龄的增长而下降,这无疑会给其日常生活带来各种的不便,而且也会使精神层面产生负面影响。外骨骼设备是用于恢复、增强人体运动能力的机电设备,下肢外骨骼助行设备能够为行动不便的老年人在行走过程中提供助力。所以,根据下肢运动能力评价结果来配备相应的下肢外骨骼助行设备是解决上述问题的最佳方法。本文从多模态数据的采集与处理、下肢运动能力评价方法以及评价系统这三方面展开研究,论文的主要内容如下:首先,给出了人体基本轴面和关节运动的定义,分析了下肢运动特点,为研究行走过程的步态特征做铺垫。采用VICON MX三维步态系统采集人体的多模态数据,包括步态视频、下肢动力学数据和下肢运动学数据。通过改进的Vi Be算法对步态视频提取步态轮廓图像,以去除环境、服装等影响,并对下肢关节角度以及地面反作用力的变化规律进行统计分析,为后续下肢运动能力评价模型的建立提供理论支撑和数据支持。其次,提出一种基于改进卷积神经网络与决策融合算法结合的下肢运动能力评价方法。通过引入空间金字塔池化层和COCOB优化算法对卷积神经网络进行改进,进一步提高了步态图像的识别精度,同时通过主成分分析分别提取膝关节角度和地面反作用力特征后选取最优的分类算法。在此基础上,利用决策融合算法根据三种模态数据的识别概率建立一种下肢运动能力评价指标。将结合不同模态数据的识别性能和评估性能进行对比,结果表明,最佳的三模态融合结果已达到96.15%的识别准确率,且最佳单模态、双模态和三模态的下肢运动能力评价指标与GARS-M两者呈显著负相关,相关系数分别为0.63、0.72和0.82。再者,提出一种基于Xception-LSTM与核主成分分析结合的下肢运动能力评价方法,通过Xception-LSTM网络模型提取步态视频图像的全连接层特征,并与下肢动力学和运动学数据在特征层进行融合,然后将融合特征经核主成分分析降维处理,并由此建立下肢运动能力评价指标。实验结果表明该指标可以量化下肢运动能力,不同体能等级人群间具有明显的统计学差异,且与GARS-M呈显著线性相关（r（28）0.90）。最后,根据Xception-LSTM模型的评价结果,搭建一个基于Django框架的下肢运动能力评价系统。该评价系统采用Django框架和My SQL数据库建立了评估信息管理、信息展示和角色管理等模块,实现了对评估信息的查询、展示、统计和管理等功能。下肢运动能力评价系统对受试者、评估人员和系统管理员都给予了方便,更为配备下肢外骨骼助行设备和养老事业提供数据支持。