步态识别是利用人走路的姿势进行人的身份识别的一门新兴生物特征识别技术。该技术具有的非侵犯性、远距离识别和难以隐藏性特点,这些特点是其他生物特征识别(如虹膜、指纹等)所不具备的。因此,步态识别作为模式识别的新兴子领域,越来越受到该领域的研究者们的关注与研究,并在安全防御和视频监控等方面得到了广泛的应用。一般而言,步态识别过程分为三个部分:步态的提取、步态特征的提取和步态识别。综合国内外文献可知,提取步态特征和步态分类算法一直以来是模式识别领域的热点与难点。虽然,步态识别的研究取得了一定的进展,但是由于步态的多样性和其所处的环境的复杂性,目前还没有一种通用的步态识别算法。因此,本论文主要从步态特征提取方面着手,开展了一些关键问题的探索与研究,其主要从以下两个方面进行了详细的研究:1、对描述步态周期性的各种方法进行了深入的研究,并从影响步态图像变化的根源出发,提出了一种新的描述步态周期性的方法。该方法以髋关节以下部分为研究对象,提取髋关节以下部分中心的纵坐标,从步态图像的某一状态出发(本论文是从步态跨度最大时为起始进行分析研究的),到下一个近似于此状态时结束,这样就得到了一个步态图像序列的一个周期。实验结果表明本论文提出的方法不仅具有比较好的鲁棒性,而且更易凸显出步态的准周期性这一重要特性。2、结合人的生理结构特性和步态图像的运动特性,提出了将步态的静态特征和动态特征分别提取的算法。根据步态的运动特性提取研究对象(髋关节以下部分)的关键点(膝关节)的运动特征——速度矩和路径距,其中速度矩描述了步态的运动轨迹特性,路径距描述了步态运动的一致性;结合人的生理结构特性提取膝关节到脚踝关节的距离作为步态的静态特征。然后将步态的静态特征和动态特征进行融合,并利用现有的多种分类器算法进行分类识别。实验结果表明采用这种形式的步态特征进行步态识别,识别率得到了一定的提高。实验结果验证,利用髋关节以下部分的质心描述步态的周期性具有更明显的优点,采用动静相结合的步态特征是可行的。尽管本文在步态特征提取方面做了一些努力,但是还有许多工作需要进行更深入的研究。