生物特征作为人类个体的内在属性,具有较强的稳定性、防伪性和唯一性。因此,基于生物特征的检测和识别技术,得到了越来越多的关注与研究。作为生物特征识别的重要研究内容,人类性别识别不仅可以应用于视频监控、安防等领域,同时在智能商场、视频检索、以及商业统计系统中也能够发挥重要作用,因此具有很高的理论意义和应用价值。目前已经用于性别识别/分类研究的对象有:人脸、虹膜、指纹、脚印以及语音。其中基于人脸图像的性别识别应用最为广泛。但人脸方法受姿态、光照、表情、年龄变化的影响很大,识别性能不理想。为了克服上述缺点,本论文研究了多种基于非人脸特征的性别识别算法。具体地,本论文完成了如下工作:1)详细分析了梯度方向直方图(HOG)、局部二元模式(LBP)、SIFT描述子和Shape Context等特征提取方法,以及支持向量机(SVM)和AdaBoost分类决策方法。2)采集了鞋子数据库,提出了基于鞋子特征的性别识别方法。3)实现了基于步态的性别识别算法,并在USF步态数据库上进行了验证。4)实现了基于人体静止图像的性别识别算法,并在MIT行人检测数据库进行了验证。5)编制了一个基于人体静止图像的可视化性别识别系统,称其为myGenderRec。