步态识别是近年来越来越多的研究者所关注的一种较新的生物认证技术,它是通过人的走路方式来识别人的身份的方法。在应用领域,类似于人脸识别,它要解决识别和检验两类问题。在识别问题中,给出未知身份人的步态,在数据库中搜寻与之匹配的人的步态,从而确认人的身份;在检验问题中,需要步态识别算法对已假定的某人的身份作出判定,即接受或拒绝所假定的身份。步态识别作为一种生物认证技术,具有其它生物认证技术所不具有的独特优势,即在远距离或低视频质量情况下的识别潜力,且步态难以隐藏或伪装等。步态识别主要是针对含有人的运动图像序列进行分析处理,通常包括运动检测、特征提取与处理和识别分类三个阶段。它在虚拟现实,视觉监控,感知接口中均有着广泛的应用前景。围绕着步态识别这个主题,本文主要探讨了视觉分析中步态图像序列的检测(特别是对步态图像的预处理部分),特征提取和分类识别等相关问题,并总结了当前步态识别国内外的研究现状和常用的处理方法。首先,简要论述了步态识别技术,评述前人在步态识别领域的一些研究方法和途径。并扼要介绍步态识别采用的理论和方法,及其研究现状和进展。其次,研究了步态特征提取方法。首先采用差分法提取人体轮廓,通过后处理,提取关键帧轮廓。然后将这些时变的二维轮廓形状转化为对应的一维宽度向量,并把人体轮廓的宽度向量作为步态特征。然后,应用主成分分析(PCA)进行特征提取和压缩。直接以宽度向量做识别向量则维数很高,数据量庞大,且处理起来十分困难,必须进行降维。选择不同的主元数,结果不同。本文中,主元数分别选取20、30、40作对比分析,发现当主元选择30时可以取得最好的结果,故最后采用30作为最佳的主元数。最后,由SVM分类器完成目标识别。支持向量机是目前针对小样本统计估计和预测学习的最佳理论和识别方法。本文中将数据集分为两部分,一部分作为训练集,另一部分作为测试集,并采用径向基函数作为核函数验证识别结果。本文采用了以人体宽度向量为步态特征,并将PCA和SVM相结合来进行步态识别的方法,它紧凑地抓住了步态的静态轮廓和时域上的内在特性,原理简单,计算量小。实验结果表明该算法切实可行,不仅获得了令人鼓舞的识别性能,而且拥有相对较低的计算代价,是一种有效的步态目标特征提取与识别方法。