生物识别技术是一种常见的人体身份识别技术,被广泛应用在一些高流量且需要极高安全性的公共场所,以便进行高效且准确的人体身份识别,例如人脸、虹膜、指纹、步态等。其中步态识别因为具有远距离、非侵扰和不易被隐藏盗用的特点,受到广泛的研究和高度的关注,在刑事侦查、考勤门禁、智能监测、医学诊断和体育训练等多个方面具有很高的研究价值。目前的步态识别方法主要以人体步态运动中的视觉或触觉特征作为出发点,并且基于模型的识别方法相比于其他方法在快速识别和抗干扰方面有着很大的优势。建立一个精度高、数据准确、特征易处理、提取快速且识别性能好的全身步态运动模型,能够有效地避免背包负重和衣着遮挡等因素的影响。针对视觉和触觉特征在力学上的关联性展开研究,充分融合视觉和触觉特征的特点,建立全身步态运动模型,为特征提取和步态识别提供数据支撑和理论依据。为了更好地描述步态运动过程,在建立模型时将人体划分为十一个部分。以支撑脚作为出发点,对人体在步态运动中的受力情况进行分析建立触觉模型。通过触觉模型中全身各个部分在竖直方向上的质心加速度引入视觉特征,从而建立视触融合的全身步态运动模型。分析已建立的模型,对模型所包含的步态运动特征进行特征分离,提取出五个分别代表不同视觉和触觉特征的特征矩阵,为特征提取明确了方向。根据全身步态模型中不同特征的特点,分别提取步态运动特征。通过人体步态运动图像序列和三维关节坐标提取包括身体结构,四肢摆动角度和角加速度等视觉特征,通过脚底压力图像提取触觉特征,并且在分析力矩阵时,根据足部骨骼结构将脚底压力分区,为之后的步态识别提供更多的识别特征点。为了验证提出的全身步态运动模型在识别方面的性能,选用支持向量机作为分类识别算法。构建以径向基核函数为基础的多分类器,采用交叉验证方法,先后通过大步距的粗略寻优和小步距的精细寻优对多分类器中的参数进行全局寻优,得到适合本文全身步态模型的最优参数。分析比较不同模型在本文数据库中的表现,全身步态模型在识别准确率和步态运动预测上都有良好的表现,有效地避免了背包负重,衣着等因素的影响。