生物识别是新兴的识别技术,包括指纹识别、语音识别、人脸识别、步态识别等领域。生物识别具有可靠性、稳定性,抗入侵能力强而成为了识别领域中的主流技术之一。基于加速度传感器的步态识别是根据人行走的加速度信息来辨别不同的人,可用于对便携式电子产品的保护。目前,对基于加速度传感器步态识别的研究还处于早期阶段,针对多数研究者实验场景单一,本文提出了从场景变换角度研究步态识别。论文的主要工作如下:一、设计了一款android智能手机APP,用手机内置的三轴加速度传感器采集数据,选择室内走廊和室外小砖地面两个场景作为实验测试的场地。选取18个正常人,包括10个男性和8个女性,参与数据采集。从场景变换角度构建一个数据库,每个人在每个场景来回行走10次。二、提出步态识别的基本框架包括数据预处理、特征提取和特征选取、分类和验证。数据的预处理主要包括线性插值、数字滤波、步态周期检测、步态模式构建等步骤。从频域和时域两个方面进行特征提取,用支持向量机测试不同特征值和不同特征值集合的平均准确率,构建准确率高的特征值集合。一个特征值集合包含18个时域特征值和20个频域特征值。分类与验证是从步态鉴别和步态认证两方面进行实验测试的。三、从步态分析、步态鉴别、步态认证三个方面研究场景变换对步态识别的影响。步态分析是用统计的方法分析步态周期平均长度、步态周期数目等步态信息在场景变换时的变化情况。步态鉴别和步态认证是步态识别两种不同的验证方式,步态鉴别是多分类的过程,步态认证则为二分类。在步态鉴别方面,我们用支持向量机(SVM)的方法测试场景变换实验,而对于步态认证,则用支持向量机、动态时间规整、欧几里德距离三种方法进行比较分析。实验的结果表明,当测试集和训练集的数据来源于同一场景时,步态鉴别和步态认证的平均准确率都高于92%。而当测试集和训练集的数据来源于不同场景,即场景变换时,步态信息发生了变化,步态鉴别和步态认证的准确率都有所降低。在场景变换时,对于步态认证方面,三种方法的准确率都有一定下降,但支持向量机的鲁棒性强于另外两种方法。因此,我们提出基于支持向量机的阈值算法,阈值算法的应用有效提升了场景变换时步态认证的平均准确率。