人体步态是人行走的姿态。它作为一种新的行为特征，具有非接触性、可感知性和非侵犯性、难以伪装和隐藏、易于捕捉等特点，而且在系统的低分辨率下、一定距离时它是唯一可感知的特征。步态识别就是根据步态进行身份识别。随着安全敏感场合对大范围视觉监控系统的迫切需求，步态识别在视觉监控领域的潜在应用引起了计算机视觉研究者们浓厚兴趣。 本文在前人一系列探索性的研究成果基础上，紧紧围绕步态识别技术的关键技术展开研究，系统探讨了人体检测、步态周期估计、步态特征的表达与提取以及相似度匹配等问题。主要研究内容和成果如下： 1.从步态识别的流程步骤入手，系统分析了国内外步态识别研究成果，详细综述了步态识别各阶段中的关键技术及其发展方向。并以选择的特征是否包含全局运动信息为标志，将步态特征的选择与表达分为空间维特征加时域变化的XY-T方法以及空间维加时间维整体特征的XYT方法。 2.阴影的去除对步态识别的成功率有相当大的影响，针对受限条件下的步态视频序列，设计了一种阴影去除方法：首先使用归一化RGB颜色空间的色度不变量作为特征初测出阴影；然后分析了亮度信息丢失及着装与背景相近对阴影判断的影响作用，提出了高斯阈值分离的方法，估计饱和度和亮度变化区域、设计出限定阈值函数进一步分离阴影，最终提取出了人体轮廓。 3.基于生理学步态周期性分析理论，研究了步态图像序列的周期性特征。分别采用两种方法获得周期信息： (1)根据序列轮廓外接矩形宽高比的极值点，从二值轮廓序列中抽取出了关键姿态； (2)依据行人轮廓边界周长变化的周期性、针对变化最明显的下肢部分，建立了轮廓采样点分布的周期估计模型，检测出步态周期，提取了一个完整步态周期的二值轮廓图像序列。 4.提出了一种基于单帧图像局部轮廓特征描述的XY-T型步态识别方法：为了突出轮廓形状的形状细节特征，提高对噪声和遮挡的鲁棒性，采用形状上下文描述算子，求取出了轮廓边缘采样点集的直方图分布；采用x2统计定量出轮廓参考点分布直方图间距离；为了避免匹配点集之间的点与点对应难题，增强抗干扰能力和容错能力，分别采用三种Hausdorff距离算法描述两组特征集之间相似程度；为了减少序列集合的维数，采用关键姿态表征周期性的人体运动；为了有效地克服左右脚不对称导致的匹配错误，提高识别率，采用窗口搜索策略获取轮廓序列间的最佳匹配度；为了提高匹配速度，采用各轮廓点集间最小匹配相似度的简单代数和来测度，最终实现了步态识别。在小型CASIA室外步态数据库和大型Soton室内库上进行了实验，分析了不同的轮廓描述特征参数、不同的距离测度对最终识别结果的影响。 5.提出了一种融合单帧轮廓和帧间轮廓信息的XY-T型步态识别方法：首先规格化一个周期步态周期的图像，将其绕中心散布到一个平面上，建立了步态周期的图像平面，建立了图像帧间的联系；继而提出了一种基于直方图分布的特征描述算子，应用到单帧图像上获得轮廓的静态特征、应用到周期图像平面上获得图像帧间轮廓的动态特征、两者结合又得到了融合的动静态特征；为了精确比较特征间的直方图分布，采用Jeffrey散度作为特征描述算子的距离测度；为了保证测试序列和参考序列在不同时间尺度下的比较，采用动态时间规整技术进行时变比对；最后用最近邻分类达到了识别目的。 6.在侧面视角的识别研究基础上，探讨了多视角下的步态识别算法，提出了一种角度自动探测模型：首先估计出步态周期，然后定义出轮廓采样点分布的角度估计参数，将提出的方法运用到多视角步态库上进行了实验，根据实验结果，分析了视角无关的步态识别的可行性和局限性。 7.提出了一种以行人轮廓随时间变化的灰度图像为时变模板的XYT型步态特征表述模型：首先检测出包含两个信号周期的步态周期；设定不同的起点和终点，分段图像序列的单信号周期，由此产生了跨步的和单步的两类图像序列；分别对新增轮廓和消失轮廓时变叠加，生成了前向的和后向的两种变化历史图像，并结合形成步态双向变化历史图像组；为了更细致地描述，平均叠加步态周期的帧间变化轮廓，生成了与时刻无关的轮廓变化能量图像，并结合变化历史图像组生成彩色的步态变化图像。从而将一系列的二值化图像压缩到几个灰度图像空间，在将步态序列降维的同时，表达出了步态的空间信息和时变信息。 8.提出了局部不变矩的特征抽取方法：为了获得步态变化历史图像的可识别特征，采用不变矩方法提取图像的信息；为了克服传统不变矩方法对噪声和微小误差敏感、难以分辨相近图像的局限，构造了两种方法获得图像的局部矩特征： (1)设计了一组同心矩形环，提取出具有局部性能的Hu矩特征组； (2)引入三次B样条小波矩，提取出步态变化历史图像的特征量。上述两种方法运用到步态变化历史图像上，通过最近邻分类就达到了识别行人的目的。