步态识别是近年来越来越多的研究者所关注的一种较新的生物认证技术,它是通过人的走路方式来识别人的身份的方法。步态识别作为一种生物认证技术,具有其它生物认证技术所不具有的独特优势,即在远距离或低视频质量情况下的识别潜力,且步态难以隐藏或伪装等。围绕着步态识别这个主题,本文主要探讨了视觉分析中步态图像序列的检测,特别是对步态图像的预处理部分,特征提取和分类识别等相关问题,并总结了当前步态识别国内外的研究现状和常用的处理方法。首先,研究了步态识别预处理技术。先采用直接差分法提取人体的剪影,接着对图像进行阈值分割,通过仿真比较了迭代法、双峰直方图常规算法、Otsu法和统计法,取得了最佳的阈值分割图像。然后用开闭运算或者必要次数的膨胀腐蚀操作等图像后处理技术来去除噪音得到平滑和连通人体剪影。然后,研究了侧面视角下的步态识别算法。通过研究人体行走样本的周期性来获取代表人体周期性步态特征的关键帧,对关键帧进行图像处理。预处理技术之后得到的人体剪影对之进行骨骼化提取,得到人体关节点坐标,连接关节点构建人体骨骼模型,求取其角度特征,要处理的特征量就相对比较大,于是用传统的应用主成分分析(PCA)进行特征提取和压缩。用特征空间多步转换后所得的权向量来识别。通过最近标本分类器和留一效验规则来对人体步态样本进行了分类识别。在自建的数据库6个人体行走样本2个周期序列,侧面方向(相对于背景0度)下都取得了一定的效果。接着,研究和实现了多视角下基于人体骨架模型的两种步态识别算法。实现了多视角下的反射发射算法。原算法只是人体实际点对像素点的映射,笔者引入转换算子把人体肢体实际长度和对应的剪影中肢体长度联系起来。转换算子定义是实际肢体长度和对应的剪影肢体长度之比,通过求取人体样本直线行走角度和剪影中的肢体长度等信息可以求得这种算子,再把剪影中肢体长度代入该转换算子得到对应的实际人体肢体长度。实现了多视角下的曲线拟合算法。人体剪影双足中点坐标到摄像头的垂直距离为自变量,人体实际肢体长度和与其对应的剪影肢体长度之比是因变量。要求一个已知身高的人体样本来构建自建数据库下的曲线。笔者比较了10种曲线,得到最佳曲线,通过最佳曲线来估计全部样本的这种映射关系。以上两种多视角算法对自己建立的6个样本,2个序列,3个方向(相对于背景的30度,45度,60度)下用KNN和留一交叉效验进行了分类识别,并取得了不错的效果。对两种算法进行了关于适用条件、限制条件、性能特点的比较。