本文利用微軟公司研發的體感周邊外設（Kinect）獲取偏癱患者的步行軌跡數據，在此基礎上實現了偏癱步態的自動識別，并對識別特征的重要性進行了排序。首先，研究設立了試驗組和對照組，兩組受試者按要求分別完成規定的范式動作，經由 Kinect 實時獲取受試者的步行軌跡數據。從獲取的數據中可提取步態識別特征：步速、步幅、質心的移動范圍（上下和左右方向）。然后，利用貝葉斯分類算法對這些特征構成的樣本集進行分類學習，實現偏癱步態的自動識別。最后，利用隨機森林算法確定每個特征的重要性，通過對每個特征的重要性進行排序，可為病情診斷提供參考。本文研究結果表明，基于貝葉斯算法的分類準確率為 96%；使用隨機森林算法確定的特征重要性排序為步速、步幅、質心左右偏移距離、質心上下偏移距離，而步速與步幅、步速與質心左右偏移距離的組合是偏癱步態分析診斷的重要依據。本文研究結果或可為偏癱步態的智能診斷提供新的思路和參考。