Nos dias de hoje, através dos avanços tecnológicos atingidos possibilitou-se o desenvolvimento de mecanismos capazes de solucionar ou pelo menos, minimizar problemas relacionados com a mobilidade humana. No entanto o reconhecimento do movimento humano ainda é um dos principais desafios da neuroreabilitação para guiar a assistência robótica conforme as necessidades dos pacientes durante atividades diárias. De forma a fazer isto é necessário instrumentar o indivíduo com um sistema sensorial wearable, leve, confortável e estético. Assim, esta tese propõe, após a integração de diversos sensores wearable (sensores inerciais, EMG) para a análise ambulatória da marcha humana em tempo real, o desenvolvimento de uma ferramenta que deverá reconhecer a intenção de locomoção do paciente (e.g. começar a andar, virar à esquerda, aumentar a velocidade) usando dados de sensores inerciais. Pretende-se que esta seja implementada com métodos machine learning e inteligência artificial para garantir o desenvolvimento de uma estratégia robusta, precisa, temporalmente eficiente e válida para diferentes indivíduos. A ferramenta proposta deverá ser capaz de detetar precocemente e em tempo real. O objeto final visa a integração destes algoritmos em dispositivos robóticos para a assistência e reabilitação da marcha, nomeadamente ortoses.