步态识别是生物特征识别技术中的一个新兴领域。它旨在根据人们的走路姿势实现对个人身份的识别或生理、病理及心理特征的检测,成为近年来生物医学信息检测领域备受关注的前沿方向。步态识别主要是针对人的运动图像序列进行分析处理,通常包括目标分割、特征提取与处理和识别分类三个阶段。它在虚拟现实,视觉监控,感知接口中均有广泛的应用前景,本文探讨了视觉分析中步态图像序列的检测,特征提取和分类识别等相关问题,并总结了当前步态识别国内外的研究现状和常用的处理方法。首先对步态进行预处理。通过分析和比较常用的运动检测方法,针对文中使用的步态序列具有背景简单的特点,采用背景减除法实现步态检测对步态运动的周期性进行分析,并利用人体侧影的高宽信息计算步态周期。其次,针对基于单一特征的步态识别方法一般不能得到令人满意的识别效果,利用特征融合的思想,提出了在匹配层上融合下肢角度及轮廓描绘子特征的步态识别方法。融合过程中,赋予权重使两种步态特征按较优的比例进行组合,以充分发挥其互补性。最后,由SVM分类器完成目标识别,支持向量机是目前针对小样本统计估计和预测学习的最佳理论和识别方法,然后采用混合核函数。该方法抓住了步态的运动特性和步态形状特性,数据库上的仿真结果表明,该算法不仅获得了令人鼓舞的识别性能,而且拥有相对较低的计算代价,是一种有效的步态特征提取与识别方法。