步态识别是利用人们的行走姿势来进行身份识别的一种生物识别技术。相比于其他生物识别技术,例如指纹识别,步态识别具有一些独有的优良特性,例如:远距离识别、无需配合、难以模仿或复现、保密性强等。这些特性使得步态识别技术可以用于构建更加便捷、安全、保密的生物识别系统,其在安防、智能监控等领域有着巨大的应用潜力。然而,在实际生活中,人的步态容易受到行走速度、携带物、衣着等诸多因素的影响,从而导致步态识别方法难以取得令人满意的识别效果。为了进一步提高步态识别方法的识别性能,并增强步态识别技术在实际生活中的可用性,本文进行的主要工作如下:1.建立了一个具有三维空间信息的步态数据库。该数据库包含152个受试者,每个受试者分别收录了6个正常速度、2个快速、2个慢速和2个背着3kg背包的步态序列。每个步态序列同时记录了正面与背面的深度图像、空间转换矩阵、人体索引图像以及骨架模型四种类型的数据。这是目前世界范围内公开的包含3D步态信息的大型步态数据库之一。2.提出了一种三维空间步态特征表示方法。首先把每一帧深度图像映射到三维空间以形成人体表面的三维点云。然后将点云按照一定规则划分成若干区块,再以区块为单位计算每一帧数据的三维空间特征。最后用主成分分析和多重判别分析对特征向量序列进行降维,得到步态特征的最终表示。3.使用具有动态时间规整内核的分类器进行步态识别。将动态时间规整算法分别与最近邻分类器和支持向量机相结合,使得这两种分类器能够接受不同长度的步态特征向量序列,以提高不同速度下的识别性能。4.利用提出的方法构建了一个实时三维空间步态识别系统。该系统用Kinect实时监测步态,一旦接收到一个完整的步态周期,则立刻对该步态序列进行识别。当相似度达到一定阈值时,则将识别结果显示到用户界面上并记录在数据库中。