随着信息技术的发展,利用生物识别技术来识别和判断事件中人的行为、区分个体身份,已经成为人们十分关注的技术问题。生物识别技术是指利用人体生物特征进行身份认证的一种技术,由于其唯一性和不变性,因此受到广大研究者的青睐。它不但简洁快速,而且安全可靠。与其它生物识别技术(如人脸识别技术、指纹识别技术和虹膜识别技术等)相比,步态识别对视频图像的质量要求较低(即便是模糊图像也可以进行识别),并且步态识别可以对图像采用高压缩比传输而不影响识别的准确性,可以充分提高视频传输带宽的利用率。步态识别是一种新兴的生物识别技术,它旨在从不同的个体行走行为中提取出各自的变化特征,以实现目标的自动身份识别。与第一代生物特征相比,步态特征具有非接触式、难以伪装和隐藏、可远距离感知、可在低分辨率图像序列中进行检测和识别等优点。因此,从视觉监控的角度来看,步态是远距离情况下最有潜力的生物特征,因而引起了广大研究者们的浓厚兴趣。步态识别包括运动目标检测、特征提取和分类识别三个部分。本文在研究各种步态识别算法的基础上,对特征提取和分类识别这两部分做了详细研究,提出了相应的改进算法。主要工作和研究成果包括：1.提取了有效的步态特征。由于步态受到很多外在因素的影响,基于单个特征的识别率很低,因此本文提出了一种新的算法,将多类特征进行融合以识别人的身份。事实上,人体的步态很大程度上依赖于人体的轮廓,而且基于人体轮廓的步态识别算法简单、易于实现,但是人体的轮廓只能间接反映出人体的动态特征。医学研究表明,人在行走过程中包含了上百处肢体的同步运动,这些肌肉及骨骼的结构能够准确反映出人体在行走过程中表现出来的运动特征及步态模式,因此肢体角度特征是用于身份识别的最理想的步态特征,但受到视频质量的限制,我们很难获取精确的肢体角度信息。又考虑到步态的对称性,引入反射对称特征,该特征提取方法简单,且容易和其它特征相融合。基于上述分析,本文提出了一种新的算法,将人体轮廓特征、肢体角度特征和反射对称特征相融合,共同用于人体的身份识别。2.对分类识别算法进行了研究。本文旨在通过使用人体轮廓特征、肢体角度特征和反射对称特征来识别人的身份,但这三类特征的特征类型和度量尺度不同,所以本文引入了最近邻模糊分类器,它实际上是一种简单的多分类器的并联融合结构。首先将上述三类步态特征组合成一个简单的联合特征矢量,输入分类器；再基于最近邻法,计算出每个特征属于样本模板的隶属度,就可以得到这个联合特征矢量相对与模板中所有样本的隶属度矩阵。这里,考虑到每个特征在识别过程中对识别结果的贡献度不同,先对不同的隶属度分配不同的权值,再按照某种决策算法得到最终的识别结果,以提高分类识别的准确度。实验表明,本文提出的算法具有较好的识别性能。