步态识别是生物特征识别技术中一个新兴的研究领域,它旨在根据人们走路的方式进行人的身份识别,尤其适用于非接触式、远距离情况下的身份认证,目前已引起了模式识别研究者的浓厚兴趣,并逐渐成为生物特征识别领域中备受关注的前沿课题。本文研究了基于人体步态特征的远距离身份识别技术,主要探讨了人体运动的步态检测、步态特征提取、单视角下的步态识别以及基于多视角信息融合的步态识别等相关问题。针对不同视角下人的步态不同这一特点,提出了中值和高斯建模两种背景抽取方法,采用背景减除技术,有效地检测出了运动目标,并通过采用计算颜色模型的色差,有效地抑制了阴影,采用数学形态学的腐蚀和膨胀运算较好地去除了场景中的噪声,进一步采用连通性分析成功地提取出了人体运动区域。采用轮廓跟踪技术提取出了人体步态的轮廓,消除了人体中存在的小空洞对轮廓提取的影响。分别通过计算质心到人体轮廓的距离、傅立叶描述子和小波描述子有效地提取出了人体步态的特征。提出了单视角下的基于主成分分析和最近邻分类器的识别算法以及基于独立成分分析和支持向量机的识别算法。算法将每一个步态序列作为一个整体进行统计描述,采用主成分分析和独立成分分析对步态特征进行了压缩,然后通过最近邻分类器和支持向量机分类器完成识别,并具有较高的识别率。利用不同视角下的步态特征能为身份识别提供信息互补这一特点,提出了一种基于多视角步态信息融合的身份识别方法,通过融合不同视角下的人体步态特征,完成了多视角下步态信息融合的身份识别。算法在中国科学院自动化研究所和西安理工大学的步态数据库上进行了实验,实验结果表明基于多视角信息融合的步态识别比任何单一视角下的识别率都高。在理论分析与实验的基础上,本文实现了基于人体步态特征的身份识别原型系统,为算法的测试提供了测试平台,验证了利用人体步态特征进行远距离身份识别的可能性。