随着现代社会对安全需求的提高,生物识别技术作为实现安全的手段得到大力的研究和发展。步态识别是生物识别技术研究中的新领域。医学研究证明,人的步态具有唯一性,根据人的步态可以识别其身份。步态识别研究内容包括运动分割、特征提取、模式分类和步态数据库等。本文主要研究前三方面内容。运动分割方面,使用自适应背景提取算法提取步态序列的背景,运用背景差方法进行运动步态分割,利用二值化和形态学方法消除步态图像的噪声,然后提出一种基于模型的人影消除新方法,提高了分割人体步态的精度。步态特征提取方面,首先提出基于Hu不变矩的步态特征提取算法,然后在此基础上进行改进,提出基于Zernike矩的步态特征提取算法。所有步态的Zernike矩特征组成步态的特征空间,针对Zernike矩特征空间维度较高的问题,使用主分量分析(PCA,Principle Component Analysis)方法对步态序列的Zernike矩特征进行压缩,计算出新的包含时间信息的步态特征空间。单个步态的Zernike矩影射到新的特征空间得出维度较低的矢量,一个步态周期中所有步态的Zernike矩影射得出的矢量可以组成新的步态特征矩阵,计算特征矩阵的行方差矢量作为步态周期的识别特征矢量。模式分类方面,提出规格化步态周期的概念,把规格化步态周期作为步态分类识别的基本单元,并给出确定规格化步态周期的方法。使用BP神经网络对步态特征进行识别分类。最后编程实现上述各种方法,并设计开发了一个完整的步态识别系统,为步态识别新方法的研究和测试提供了平台。使用Little&Boyd步态数据库进行实验,其识别率达到100%。