9.11事件加深了增强安全性的一致认识，同时提出了视频监控系统的智能化要求。智能视觉监控技术的强烈应用需求激起了步态识别技术研究开发的浓厚兴趣，以期望提高监控系统服务性能。本文围绕步态识别问题(特别是夜间步态识别问题)、步态体形特征提取问题、识别率与尺度度量关系问题进行了一系列研究。此外，本文还探讨了向量相关成分分析的张量扩展。本文的主要研究工作包括　　 1.利用统计区域补偿原理，给出了一种方法来弱化热红外图像中的自校正对检测结果的影响，提出了一种基于统计伪形的夜间步态识别框架。对于每段夜间步态视频序列而言，先预处理每一幅红外视频帧以尽可能减少光晕与自校正对检测结果的影响。接着应用背景减除方法并结合相邻帧所提供的运动区域线索来检测定位运动行人。此外，基于一种归一化伪形特征来刻画步行者步态特性，采用线性子空间投影方法来降低特征维数，并通过等价约束来利用步态中的动态时序关系特征。实验结果表明该算法在夜间步态识别方面获得充满希望的进展。　　 2.基于“人体形状主宰步态识别性能”观点，提出了一系列向量式体形投影特征。将规整化的行人剪影图像分别沿四个方向(水平方向，垂直方向，正对角线方向及负对角线方向)进行投影以得到八种启发式特征。此外，通过分析重构误差的解析表达式，按照优化原理的思想进行求解最佳步态投影特征方向。另外，尝试组合正交投影特征来刻画步态特性。实验结果表明该方法取得了令人满意的识别性能。　　 3.基于“步行者图像具有二阶张量(矩阵)数据形式”观点，提出了基于非迭代矩阵解析特征的步态识别方法。先预处理每幅步行者剪影图像来规整化图像中感兴趣区域的尺寸大小与空间位置，接着利用两种单边偏序张量积变换来降低规整化步态剪影的阶数(或秩)，然后应用判别分析思想到二维降阶剪影图像，以期改善数据分布，进而有利正确分类结果。通过组合原理得到四种单边偏序图像变换。识别实验结果说明非迭代解析步态识别方法能够产生匹敌于迭代算法的识别性能，但需要更少的计算代价。　　 4.基于“张量数据分析”思想，扩展了相关成分分析方法到二阶张量(矩阵)情形，并将其应用到步态识别问题当中，以等价约束的形式来间接利用步态时序动态特性。与二阶张量判别分析相比，实验结果表明二阶相关成分分析能够稳定步态识别算法的性能。