随着身份识别技术飞速发展,人们对身份识别技术的需求随之加大,对其可靠性要求也越来越高。许多基于生物特征的认证技术迅速崛起,得到了飞速发展,其中行为特征作为一种特殊的生物特征,由于其安全性,隐蔽性及灵活性,近年来得到了越来越多国内外学者的关注。而脚步声作为人最主要的行为特征之一,可以通过对脚步声特征进行分析,从而达到对不同身份进行鉴别的目的。由于脚步声蕴含着性格、年龄以及性别等诸多方面的信息,因此准确的脚步识别将在安全服务与监督以及个人行为解读方面有极大的价值和广泛的应用前景。一直以来,脚步声识别研究都主要集中于对脚步声声学特征的研究,这些方法对环境噪声的干扰会非常敏感,所以它们对环境噪声的限制也非常严格(即在安静的室内环境),这在实际应用中是不现实的,即使是在室内环境,通常也会有其它声音混杂在步声中。因此,如何提取能准确反映人类行走的特性,并对噪声环境具备较强鲁棒性的脚步特征仍然是该领域的主要问题。本文从步声声谱图与时域步声信号之间的关系出发,提出了一种基于局部声谱图特征的步声识别算法,主要工作及取得的进展如下：(1)介绍了步声的录制设备,环境,步声数据库的采集以及训练和测试样本的产生,并进一步阐述如何由步声信号生成声谱图。(2)针对基于声学特征的传统语音特征提取方法在用于步声特征提取时,对噪声的鲁棒性较差这一问题,根据步声相对背景声音在时间与频率分布上具有一定的局部性这一特性,再结合脚步声声谱图可视化的特点,提出了一种基于声音局部特征的步声识别算法。该方法分为三个步骤,首先,为了增强对白噪声与高斯噪声的鲁棒性,用谱减法对声谱图进行预处理。其次分为训练和识别两个过程。在训练过程中,计算在安静环境下采集的每个训练样本对数能量短时傅里叶谱,形成二维谱图,然后,应用数字图像中的关键点检测与表征技术在二维谱图中检测关键点,并形成每个关键点的表示特征,即此关键点的局部频谱特征。(3)识别过程是在含有噪声的待识别样本的对数能量短时傅里叶谱中检测关键点,并形成关键点的表示特征,考虑到步声作为一种行为特征,不具有很好的稳定性,即使是同一人的不同次步声,其局部频谱特征也会发生一定改变,另外,同一时间帧内的背景声音中与局部频谱特征频率相近的成分会对局部频谱特征形成一定的干扰,因而可以利用基于最小错误率的贝叶斯决策理论对表示特征进行分类,类别标志作为待识别样本的分类结果。(4)将本文提出的算法与基于声学特征的传统步声识别算法分别在纯净脚步声环境下及多种噪声环境下分别进行实验仿真,实验结果表明,本文算法识别精度在不同噪声,不同信噪比环境下均明显高于现有算法,而且对不同背景声音与环境噪声的鲁棒性明显高于现有算法。