随着计算机视觉、模式识别和人工智能等技术的快速发展以及当今社会对公共安全的迫切需求,银行、飞机场、海关等公共场所的安全问题受到研究人员的重视。具有唯一性、普遍性、不易遗失和伪造等特点的生物特征识别技术逐步代替传统的身份识别方法。步态识别作为一种新兴的生物特征识别技术,因具有远距离识别、非侵扰、难隐藏、不易伪装等优点,受到研究人员的广泛关注,并在智能监控和医学诊断等领域具有良好的应用前景。步态识别分为基于视觉的步态识别和基于触觉的步态识别。基于视觉的步态识别容易受到环境、视角等因素的干扰;基于触觉的步态识别不易受到外界因素的干扰,但是目前处于起步阶段,表征步态的特征不够完善,识别率较低。而数据融合可以提高识别率。因此,本文提出基于视觉和触觉融合的步态识别算法。步态识别主要包括预处理、特征提取和分类识别三方面。预处理包括运动目标检测和周期检测。针对本文数据库摄像头静止、背景简单和环境单一等特点,使用背景减除法进行运动目标检测。利用人体侧面轮廓宽度和高度的比值对步态运动进行周期性分析。为了减少特征维数,提高运算速度,对步态进行关键帧提取。针对下肢的自遮挡和阴影问题,提出一种人体下肢关节点自动定位方法。该方法可以对下肢关节进行自动定位,算法简单,速度快,而且只受关节点周围处最外轮廓点的影响,自遮挡和阴影对结果影响不大。针对单一特征识别率不高的问题,提出在特征层上融合下肢角度特征和足底压力分布特征的步态识别算法。根据人体解剖学知识和肢体结构特点,提取下肢角度。根据足底结构特点,把足底分成四部分,提取最大压力点及坐标、压力中心点、足底的宽高比等特征。在特征层融合特征,形成一个新的特征矢量,最后使用支持向量机进行分类识别。实验结果表明,基于特征融合的步态识别算法比基于单个特征的步态识别算法的识别率明显提高,验证了本文方法的可行性。