En los últimos años, la evaluación de la enfermedad de Parkinson (EP) se ha basado principalmente en el examen del clínico, la historia médica del paciente y el autoinforme. La enfermedad de Parkinson puede ser mal diagnosticada debido a la falta de experiencia clínica. Además, es altamente subjetiva y no favorece la reflexión de un resultado verdadero. Debido a la alta tasa de incidencia y la tendencia creciente de la EP, es significativo utilizar herramientas de monitoreo y diagnóstico objetivas para un diagnóstico preciso y oportuno. En este documento, diseñamos un extractor de características de bajo nivel que utiliza capas convolucionales para extraer información local sobre una imagen y un extractor de características de alto nivel que extrae información global sobre una imagen a través del mecanismo de enfoque automático. La EP se detecta fusionando información local y global. El modelo se entrena y evalúa en dos conjuntos de datos disponibles públicamente. Los experimentos han demostrado que nuestro modelo tiene una gran ventaja en diagnosticar si las personas tienen EP; el análisis y reconocimiento basado en la marcha también pueden proporcionar evidencia efectiva para el diagnóstico temprano de la EP.