La detección de la fase de la marcha es de gran importancia en el campo del análisis del movimiento y la marcha asistida por exoesqueletos, y puede lograr el control preciso de los robots exoesqueletos. Por lo tanto, con el fin de obtener información de la marcha precisa y garantizar una buena precisión en la detección de la fase de la marcha, se propone un marco de reconocimiento de la marcha basado en el Nuevo Modelo Oculto de Markov (NHMM) para mejorar la precisión de la detección de la fase de la marcha. Se desarrolló un sistema de adquisición de datos de la marcha con múltiples sensores y se utilizó para recopilar los datos de entrenamiento de ocho sujetos sanos para medir la aceleración y la presión plantar del cuerpo humano. Se evaluó la precisión del marco de reconocimiento, el algoritmo de filtrado y la selección de ventana, así como la validación de la generalización del rendimiento del método. Los resultados experimentales muestran que la precisión general del NHMM es del 94.7%, que es mejor que todos los demás algoritmos. La generalización del rendimiento es del 84.3%. Los resultados de este estudio proporcionan una base teórica para el diseño y control del exoesqueleto.