步态识别是生物特征识别的一个重要形式,是模式识别技术中一个复杂而又极具挑战性的新课题。步态作为远距离条件下唯一的可以被感知的生物特征,激发了研究者在视觉监控领域潜在应用的浓厚兴趣。目前,已经有很多学者利用各种方法对步态识别进行研究,然而,如何提高步态识别的识别率,以及如何降低步态识别的复杂计算量,一直是步态识别研究的热点问题。本文针对步态识别的存在的问题和解决的难点,对步态特征的选取及识别方法进行了研究,提出了一种基于局部区域面积特征的步态识别研究。首先,提出了以人体髋关节以下部分进行步态识别策略,给出了侧影面积宽度计算的周期性分析方法。通过分析人行走时的动作变化,发现上身除了摆臂外几乎是保持不变的,而髋关节以下部分则在有规律的变化。因此,确定了以髋关节以下的部分进行步态识别,不仅可降低计算量,且可提高识别率。通过分析发现步态变化的周期性,利用侧影面积宽度计算,即计算其目标区域内的像素个数,获取步态的周期,并确定步态的1个周期的关键帧作为研究对象。其次,提出了以步态侧影微小面积为步态特征的识别方法。针对模拟步态轮廓线为特征的识别方法复杂性高,且计算量太大,实时性差等问题,设计出一种利用步态侧影微小面积来替代步态的轮廓线作为特征的识别方法。该方法采取最近邻距离准则对提取的步态特征进行匹配,既可保持较好的识别率,又能减小计算量。实验结果表明,其方法的可行性。最后,给出主成分分析(Principal component analysis, PCA)和线性判别分析(Linnear Discriminant analysis,LDA)相结合的步态识别方法。该方法首先使用PCA获得步态图像的特征向量,再结合Fisher判别准则来选取特征,即发挥了PCA去除相关性的优点,又利用了Fisher准则分类的特性。通过实验表明,这种方法不仅识别速度快,且识别率高。