在智能环境研究中,人体运动分析与生物特征识别相结合目前已经成为一个流行的研究方向。步态识别,非接触式远距离的身份识别研究——基于运动视觉的第二代生物特征识别技术,是根据拍摄的行走视频,通过人体走路的方式辨别人体身份。和其它生物特征相比,无需接触和干扰,不具有侵犯性,其信息可以在相对较远的距离秘密地得到并进行识别。本文从理论和实际应用的角度,对以视频为输入的步态识别进行了一些新的探索。本文的主要贡献如下:1)提出了幅值谱和反射对称作为关键帧特征的步态识别算法。分别利用了步态图像在频域上的特征和心理学研究中步态的对称性对步态进行分析。幅值谱反映了人体步态的频域特征,而反射对称隐含表示了行走时人体的胳膊和身体的摆动习惯。反射对称性虽然不是唯一的特征,但实验证明反射对称是人体运动的特征之一,可以辅助进行识别。其优点是计算简单、快速,特征直观、有效。2)提出了小波速度矩和小波反射对称矩,以及用二者的结合来描述步态,进行步态识别。小波矩将小波特性和矩特征结合在一起,是一种新的矩特征,不仅具有平移、缩放和旋转不变性,而且具有小波分析的局部性、较强的抗噪性和多分辨率特征,很好地避免了高阶几何矩的计算,同时大大加强了矩特征对图像结构精细特征的刻划能力。在相似信号的识别中表现出很好的特性。速度描述了行走时的动态特征,反射对称隐含了身体的倾斜和手脚的摆动。文中将速度特征和反射对称特征分别和小波矩相结合,获得小波速度矩和小波反射对称矩。实验结果表明,算法得到了较好的识别结果,并具有一定的遮挡处理和抗噪性。3)提出了分形维数小波分析描述子步态识别算法,并利用训练信号,得到优化滤波器,提取特征,进行识别,改进识别结果。在小波矩计算中,只应用了那些能够显式表达的小波函数,并没有应用Mallat算法,从而限制了小波矩的广泛应用。本文将计算机小波和Mallat算法融入了小波矩的计算,并通过小波分析的方法求解分形指数,它增加了小波矩的灵活性,保留了小波矩描述子的性质,充分利用二维图像序列不同尺度上小波分析系数的自相似性,同时减少了计算复杂度。为得到针对不同数据的优化滤波器,文中算法通过学习训练信号,得到广义M进制多尺度滤波器,使得重构信号对原始信号达到最佳逼近。最后,通过最优滤波器提取特征,进行模式分析,在一定程度上提高了识别率。同时,对我们的算法和国内外的主要算法在计算时间、等错误率、复