本发明公开了一种基于GMM和HMM的步相检测方法，涉及行人导航领域，包括基于高斯混合模型的粗划分以及基于隐马尔可夫模型的进一步概率估计。本发明根据本方法的应用需求，将一个步态周期划分为支撑相与摆动相两相，根据支撑相与摆动相摆动幅度差别大的特点，假设支撑相与摆动相分属于两个不同的高斯分布，采用高斯混合模型聚类方法将支撑相与摆动相划分到两个簇类。通过分析高斯混合模型粗划分结果的阈值情况，将行走过程分割为一系列连续的步态时间段，并将每一个步态时间段定义为一个观测值，从而得到一组观测序列。本发明不仅提高了现有步态检测方法的可靠性和鲁棒性，也使得应用方法的选取更加简单、方便和灵活。
