步态识别作为一种新兴的生物特征识别技术,近年来得到了研究人员广泛的关注,由于它具有远距离识别,需要的图像分辨率较低,不需要配合以及无侵犯性等优点,因此是很多情况下唯一的身份识别手段。但步态识别容易受到各种因素的影响,还处于理论研究阶段。本文从基于轮廓特征的步态识别技术研究入手,重点研究了预处理技术对步态识别的影响,本文的主要工作和创新点包括:(1)针对现有的盲运动去模糊算法对具有饱和区域的夜间图像不太有效这个问题,本文提出了一种具有梯度先验和L0强度先验的算法,该算法不仅对白天图像有效,而且对具有饱和区域的夜间图像也有效。(2)从现有的全身对齐和上半身对齐方式容易受到各种因素的影响,导致gallery和probe的轮廓不能对齐,从而导致步态识别的准确率急剧降低这个问题出发,提出了基于头部对齐的步态识别,在公共的数据集CASIA B、CASIA C和OU-ISIR Treadmill B上的实验表明,提出的基于头部对齐方式的步态识别能够极大的提高识别的准确率,特别是在背包和大衣影响的情况下。此外,针对无论哪种对齐方式总会受到各种因素的影响,从而或多或少都会有误对齐发生这个问题,提出了一种基于模板融合的解决方案。实验表明,基于头部对齐加上模板融合的方案能够大大提高现有的算法的准确率,在CASIA B数据集上的识别率比现有的最好的算法提高了15.24%。(3)最后,针对现有算法都是在严格控制各种因素影响的数据库上进行评估的,不能真实反映其在真实应用场景中的识别性能这个问题,构建了一个真实环境下的无约束数据库,并在这个数据库上评估了现有的基于GEI、GEnI和GFI三种特征的步态识别算法的性能。