基于人脸、指纹、语音等生物特征的识别系统,已经在诸多领域得已应用。与早期的密码、图形等识别系统相比,生物特征识别系统能提供更加可靠的身份识别。这些识别系统都需要用户参与操作,并且只能在设备开机或解锁等特定的阶段做一次身份认证,不能用于用户持续身份认证。而基于步态特征的识别系统可在用户行走过程中识别用户身份,从而能够实现对用户身份的持续认证,这大大提高了电子设备的安全性。目前,基于手机加速度传感器的步态信息获取技术已经在计步、步行与跑步识别等方面有着较为成熟的应用。尤其是日渐流行的智能手环、智能手表,均内置有加速度传感器,其中有些产品同时具有条码支付功能和安全验证需求。因此,借助手机或智能穿戴设备的加速度传感器实现步态信息的识别,既具有现实意义与实用价值,也符合保护智能手机和穿戴设备信息安全的需求。本论文的主要工作与创新如下:(1)利用智能手机配置有三轴加速度传感器和软件易于开发的特点,设计了一个基于智能手机的人体步态信息获取APP软件。建立了一个50人的步态加速度数据库,为研究人体的步态识别奠定了理论和技术基础。(2)提出了一种基于人体左、右步态不对称特征的身份识别方法。首先,对人体步态加速度信号做预处理;其次,选取Gauss函数的一阶导数作为小波基函数,检测人体步态突变点,提取加速度信号的幅值和时间特征序列,通过并对所有的志愿者做左、右步态特征的相似性和差异性测试,证明了将人体左、右步态区别的可行性;最后,采用动态时间规整算法对提取的幅值和时间特征序列进行匹配。仿真和实验结果表明了本文基于左、右步态不对称特征的身份识别方法,提高了步态识别的准确率,具有广泛的适用性。(3)提出了一种多尺度熵和动态时间规整算法相结合的新型人体步态身份识别方法。采用多尺度熵算法对重力方向的人体步态加速度信号进行处理,得到人体步态加速度信号在各个尺度下的熵值,将其作为特征值;然后采用动态时间规整算法计算志愿者步态特征的失真距离,仿真实验结果表明基于多尺度熵和动态时间规整算法相结合的方法进一步提高了身份识别的准确率,为步态识别提供了一个新的思路。