步态识别是生物特征识别技术中的一个新兴领域，它根据人们走路的姿势进行身份识别。区别于指纹、人脸和虹膜等生物特征，步态具有非侵犯性、难以隐藏、对系统分辨率要求低、远距离识别等优点，已成为基于视觉的人体运动分析的研究热点。 基于统计分析法的步态识别的研究工作主要包括运动目标检测、特征提取与表达、步态特征分析和步态识别四个方面。围绕着这几个方面，本文对步态识别进行了深入的研究，主要开展了以下几方面的工作： ①本文选用轮廓的时空信息作为步态的特征。对于每个步态序列，采用改进的背景减除法检测运动目标；运用形态学算子消除噪声和小孔的干扰；通过轮廓跟踪检测轮廓边缘，并将二维轮廓形状转变成质心与轮廓边缘的一维距离信号以表达原始步态特征。 ②提出了一种基于主成分分析(PCA)与线性判决分析(LDA)相结合的步态识别算法。该算法首先使用PCA对高维步态轮廓特征进行降维；采用L.DA对低维特征空间进行最优分类；利用时空相关和归一化欧式距离进行相似性度量；最后使用近邻法和K近邻法进行分类识别。实验结果表明：采用PCA与LDA相结合的步念识别算法要优于采用PCA的步态识别算法。 ③针对步态轮廓线是封闭曲线的特点，提出了一种基于傅立叶描述子和BP神经网络的步态识别算法。该算法通过步态周期性分析提取步态序列的关键帧；使用傅立叶变换提取关键帧轮廓的傅立叶系数(即傅立叶描述子)作为步态特征；利用BP神经网络进行特征分类识别。实验结果不仅表明傅立叶描述子能很好地表达步态的时空特性，而且该算法也取得了令人满意的识别结果。 ④基于面向对象的程序设计思想，使用VC++建立了一个步态识别系统。该系统包含图像处理、步态检测、步态分析、步态训练、步态识别等模块，为验证本文提出的算法的效果提供了强大的实验平台。 本文提出的两种基于统计分析方法的步态识别算法，通过理论分析和大量的实验表明，该算法具有较高的理论价值和研究价值。本文建立的系统对将来开发实际的步态识别系统，具有一定的应用价值。