生物特征识别技术是基于个人的生理特征或行为特征进行身份鉴别的技术。步态识别作为一种新兴的生物特征识别技术,与其它生物特征识别技术相比,其最大的特点在于可以在远距离进行识别。此外,它还具有非强迫性,不易隐藏或模仿等特点。这些特点使得步态识别在近些年成为生物特征识别技术中倍受关注的热点。目前的步态识别技术主要是基于摄像机拍摄的行走视频进行研究。一个完整的步态识别过程通常包括从视频图像中提取步态轮廓图,从步态轮廓图中提取特征,对步态特征进行分类这几个步骤。本文侧重远距离及复杂背景下步态识别的研究,研究的主要内容包括步态周期估算,异常步态轮廓图校正,尤其是各种步态特征的提取、表达及分类方法。具体而言,本文的研究成果与创新点主要包括:1.提出一个新的步态周期计算方法。定义并计算出步态序列中每幅步态轮廓图的摆动距离来衡量人体的摆动程度,基于摆动距离呈现出的明显周期性计算出步态周期。该周期估算方法对低质量的步态轮廓图具有很好的适应性,避免了现有算法的一些计算误差。2.提出一个新的异常步态轮廓图检测及校正算法。定义并计算出轮廓图距离来检测步态轮廓图出现的明显异常。轮廓图距离是每幅步态轮廓图与平均轮廓图的距离,它弱化了步态的周期性并突出了图像的异常。对于检测出的异常步态轮廓图,通过平均近邻图与平均轮廓图重建该图像。此算法不需手工标记可以自动进行,校正后的步态轮廓图质量得到很大提高,并保持了步态序列的连贯性。3.为了提高现有算法对不同拍摄条件变化的适应性,本文提出了一个基于增强步态能量图的步态识别算法。它根据步态形状随不同拍摄条件变化的特点,由两个系列的图像模板构造增强步态能量图,并使用增强步态能量图作为表示步态对象的特征。实验结果显示,该算法的平均识别率较其它几个典型算法有较大提高,尤其是对路面变化的适应性提高很多。4.为了进一步利用步态的动态特性进行识别,本文提出了一个基于主运动轮廓线的步态识别算法。该算法从步态轮廓线提取三段代表人体主要运动的部分,基于它们到质心的横向距离构造描述步态图像序列的三个特征矩阵,然后采用主分量分析和多元判别分析对特征矩阵进行变换和分类。实验表明,与三个典型算法相比,该算法的平均识别率明显更高,尤其在挎包、衣着及时间变化时识别率有大幅提高。5.为了更好地将步态的静态特性与动态特性结合在一起,本文提出了一系列利用步态的平均与偏移特性共同进行识别的算法。此类算法首先构造出几种不同的基准图像模板,再根据基准模板计算出步态轮廓图的偏移量,组合成步态偏移图。接着利用步态能量图或增强步态能量图得到步态平均图像。最后通过不同的融合方式使用步态偏移图与步态平均图像共同构成描述步态对象的特征。实验结果表明此类算法的识别率明显高于几个典型算法,并且能够在保持视角变化时较高识别率的同时,提高其它拍摄条件变化时的识别率。在该系列算法中最为突出的是基于瞬时能量偏移图的校正后算法,其平均识别率远高于其它算法。