随着社会多元化的发展,人们对于安全性的要求不断提高,视频监控下行人身份的有效识别是安全保障的前提。步态识别是一种新兴的生物识别技术,具有非侵犯性、唯一性、不易伪装等特点,不需要运动主体刻意配合即可完成步态图像采集与识别,是远距离情况下最有效的身份鉴定方法,已成为图像处理与识别领域的研究热点。本文主要研究基于形状特征的步态识别方法,包括步态检测与图像预处理、基于形状的步态特征提取、特征融合与分类识别,设计并实现基于形状特征的步态识别软件,可以实现步态检测与识别。具体工作如下:在步态检测与图像预处理方面,首先,使用混合高斯模型实现步态检测;然后,对步态图像进行形态学、周期检测以及图像尺寸归一化等预处理,便于后期特征提取。仿真实验结果表明,混合高斯背景建模法与多帧平均值背景建模法相比,步态检测完整性效果更好。在基于形状的步态特征提取方面,针对步态的轮廓特征,提出一种基于特征点重采样的形状上下文方法,该方法选取轮廓点和下肢关节点结合作为采样点,并将不同的采样点置于极坐标原点处,统计位于不同扇区内采样点的个数作为形状上下文特征;针对步态的区域特征,提出一种加权Hu矩的计算方法,该方法根据图像中每个像素点在行走过程中的变化程度,给予不同的权重计算得到加权Hu矩。仿真实验表明,改进的方法能更有效的描述步态特征,且实时性较好。在特征融合与分类识别方面,首先,采取一对一投票的策略设计SVM分类器,分别采用基于形状上下文特征和Hu矩特征实现单一形状特征的步态识别,效果较好;然后,提出一种多特征融合识别的方法,在特征层融合步态轮廓特征与区域特征,构造特征向量用于步态识别。仿真实验表明,基于融合特征的识别率高于单一特征,最高可达到88.7%,基于形状上下文特征的识别率最高可达到85.7%,基于Hu矩特征的识别率最高可达到68.6%。在基于形状特征的步态识别软件设计与实现方面,利用MATLAB GUI设计用户界面,实现运动目标检测、基于形状上下文的特征提取、基于Hu矩的特征提取和步态识别功能,同时该软件还具有限制用户权限以及新用户注册等功能。