El Internet de las Cosas (IoT) es un cambio de paradigma de enfoques lentos y manuales a sistemas rápidos y automatizados. Se ha implementado para varios casos de uso y aplicaciones en tiempos recientes. Hay muchos aspectos del IoT que pueden ser utilizados para la asistencia de personas mayores. En este documento, detectamos la presencia o ausencia de congelamiento de la marcha en pacientes que sufren de la enfermedad de Parkinson (PD) utilizando los datos de sensores de aceleración montados en el cuerpo colocados en las piernas y caderas de los pacientes. Para una detección y estimación precisa, se han utilizado máquinas de aprendizaje extremo basadas en optimización restringida (C-ELM). Además, para mejorar aún más la precisión, se ha propuesto C-ELM con bagging (C-ELMBG), que utiliza las características de las máquinas de vectores de soporte de mínimos cuadrados. Los experimentos se han llevado a cabo en el conjunto de datos de congelamiento de la marcha de Daphnet disponible públicamente para verificar la viabilidad de C-ELM y C-ELMBG. Los resultados de la simulación muestran una precisión por encima del 90% para ambos métodos. También se presenta una comparación detallada con otros algoritmos de aprendizaje estadístico de vanguardia como el análisis discriminante lineal, los árboles de clasificación y regresión, el bosque aleatorio y las máquinas de vectores de estado donde C-ELM y C-ELMBG muestran un mejor rendimiento en todos los aspectos, incluida la precisión, la sensibilidad y la especificidad.