Este estudio presenta una metodología para la detección en tiempo real del movimiento humano basada en dos piernas utilizando sensores de banda ultra ancha (UWB). Los movimientos fueron principalmente categorizados en cuatro estados: detenido, caminando, permaneciendo y la transición entre sentarse y pararse. Para clasificar estos movimientos, se utilizaron sensores UWB para medir la distancia entre el punto designado y un punto específico en las dos piernas del cuerpo humano. Al analizar los valores de distancia medidos, se construyó un modelo de clasificación de estados de movimiento. En comparación con la investigación convencional basada en visión/láser/LiDAR, este enfoque requiere menos recursos computacionales y proporciona una detección de movimiento humano en tiempo real distinguida dentro de un entorno de CPU. En consecuencia, esta investigación presenta una estrategia novedosa para reconocer de manera efectiva los movimientos humanos durante las interacciones humano-robot. El modelo propuesto discernió efectivamente cuatro estados de movimiento distintos con una precisión de clasificación de alrededor del 95%, demostrando la eficacia de la estrategia novedosa.