意外跌倒是65岁以上老年人身体健康的一个较大威胁,对老年人的身心健康会造成很大的伤害与困扰。步态分析作为跌倒风险检测的一种有效方式,日益成为老年人健康监测领域的一个研究热点。但是在当前研究中,用于室外场景的步态分析系统存在着侵入性、适用性较差的问题,用于室内场景的步态分析系统存在着检测范围有限,限制人体活动范围等问题。针对以上问题,并考虑到老年人对助行器具需求的不断增加,本文通过安装在助行器上的激光测距传感器扫描人体步行时的双腿运动情况,并进行相关步态特征的分析,提出了一种无侵入性、无活动范围限制、可持续检测的步态分析方式,用于检测老年人的跌倒风险。本文主要研究内容包括以下几个方面:（1）针对本课题的实际需求,搭建了步态分析系统,并根据助行器场景,提出了划分扫描窗口、腿部数据段分割、腿部轮廓圆拟合等数据处理方法,基于卡尔曼滤波完成对腿部空间位置的预测和修正,同时提出了差异性度量的相关尺度参数,完成腿部数据段的识别和跟踪,获取腿部的运动状态。针对腿部遮挡和腿部数据段欠分割等异常数据帧情形,提出了基于Catmull–Rom样条的数据插值方法与基于IEPF和几何约束的数据段再分割方法,提高获取腿部运动状态方法的鲁棒性。（2）对助行器坐标系下的腿部运动坐标变化规律进行分析,提出了步行中的零点约束,并通过零点约束对传统的峰值检测方法进行改进,用于运动坐标序列的步态周期检测;对单个步态周期内步幅、步长、步长时间、步幅时间、支撑相、摆动相等常见步态特征进行了分析,确定了该类特征的获取方式。（3）对一个步态周期内的步态相位进行了更高细粒度的划分,提取了相应的步态特征,通过隐马尔科夫模型方法建立步态相位识别模型。针对传统隐马尔科夫模型参数学习容易陷入局部最优的问题,结合遗传算法来学习模型的最优参数,并通过训练模型和维特比算法进行步态相位的识别。（4）提出了步态分析系统在跌倒风险检测的两种应用方式:基于步态特征时间序列与相关性规则的跌倒风险检测、基于步态特征信息融合的跌倒风险检测。同时针对本文提出的不同方法,设计相应的实验方案,并通过采集的实验数据进行验证。实验结果表明该方法可以有效地获取人体腿部状态,较为准确地分析人体运动学、周期相位等步态特征和检测人体跌倒风险。