随着现代社会对安全的要求不断提高，利用生物特征进行快速准确的身份识别成了当今的主流。步态是一种远距离可采集的生物特征，步态识别技术以其对系统分辨率要求低、信息采集设备不会使人感到不适、远距离识别、非侵犯性和难以隐藏等特点成了继虹膜、人脸识别后的第二代生物识别技术，倍受计算机视觉研究者的关注，国内外大量研究者已经投入到该研究热点中。 本文对步态识别进行了深入的研究，主要开展了以下几方面的研究工作： 分析了常用的步态检测方法，本文选用简单快速的背景减除方法进行步态检测，运用形态学算子对背景减除后的前景区域进行后处理，去除了小的空洞和噪声。利用主曲线从数据本身出发，能有效地描述非线性数据的特性，提出了一种主曲线侧影轮廓描述方法。在步态检测所得侧影上，利用K主曲线能够准确地勾画出侧影轮廓。 研究了侧影轮廓对步态的描述能力，提出了一种用轮廓矩阵表征步态运动的方法。该方法用轮廓矩阵表征步态，利用Kronecher积求取轮廓之间位置差，将位置差作为步态特征，该方法描述了侧影的静态轮廓形状及其变化，有效地表达了步态的时空变化模式。并对该步态特征进行主曲线分析。 针对用线性方法分析非线性数据在分析能力上的不足，根据主曲线具有自相合、无参数、通过数据分布“中间”等特性，提出了一种新的非线性分析方法：主曲线成分分析法。该方法从数据本身出发进行非线性分析，强调非参数特性，有效地建模非线性数据。另外，本文提出了主曲线步态分类法。该方法用低维流形描述每类样本，并定义了新的相似性度量和分类规则。实验结果表明，该主曲线分类法具有良好的分类性能。 人体肢体角度及关节运动中包含了大量对识别有用的动态特征，提取这类特征的常用方法是人体或肢体建模。建模方法能较准确地获取动态信息，但参数繁多，计算量大。本文提出一种无需建模，通过分析人体结构及侧影宽度变化确定关节位置，从而提取角度信息的步态表征方法。实验证明，该方法能在低的代价下提取出与建模方法相当的运动轨迹。该步态表征方法动静结合，包括了结构信息和以序列形式表示的宽度及连接角的运动轨迹。本文