步态识别是生物特征识别技术中的一个新兴领域。它旨在根据人们的走路姿势实现对个人身份的识别或生理、病理及心理特征的检测,具有广阔应用前景,成为近年来生物医学信息检测领域备受关注的前沿方向。步态识别主要针对含有人体步行运动图像进行分析,其关键是寻找合适的步态特征及分类方法,融合了计算机视觉、模式识别以及视频/图像序列处理等多种技术。本研究主要采用如下处理流程:先提取目标人体的轮廓信息并将其规格化,经叠加处理后获取步态特征图,然后用小波变换将步态特征图分解,再依据骨架理论和图像空间不变矩提取两种人体模型的步态特征参数,输入至支持向量机(Support Vector Machine,SVM)进行步态识别。分别使用中国科学院自动化研究所(CASIA)和美国南佛罗里达大学(USF)的步态数据库进行了实验,分别取得了93.67%与83%-100%的良好识别率。考虑到不同应用环境,本论文还分析了红外热成像技术用于步态识别的可行性,并自建了天津大学红外步态数据库(Tianjin University Infrared Gait Database,TIGD)。实验表明该技术识别率受人体携带外物影响较小,而仅受衣着影响较大,值得深入研究与应用。作者还尝试设计了一套实用的智能步态识别门禁系统实验平台,具有步态图像实时采集、定位、特征提取与自动分类等功能,可实现对人体目标的安全监控。本研究中的创新性主要体现在:i.首次将步态识别领域中的两种人体模型进行了有机结合,弥补了单一模型存在的缺陷;并将骨架特征参数与不变矩矩参数同时运用于步态识别中,减弱了背景、光照、衣着、速度等因素变化的影响,提高了算法的实用性。ii.首次将小波变换与支持向量机相结合用于步态识别,提高了分类算法的精确性;并在步态特征参数提取中将小波变换与矩理论相结合,有效地提高了基于人体轮廓信息及区域特征的步态识别效果。iii.首次采用红外热成像技术获取步态图像数据,借助于红外成像可夜视、易定量的优势,提升了步态图像序列采集与识别的技术层次,并拓展了其应用领域。iv.构建了基于步态图像特征进行身份识别的门禁系统硬件平台,研究开发了智能门禁系统软件,为步态识别技术的实际应用进行了初步探索。