随着社会对安全问题的逐步重视,近年来生物识别渐渐成为身份识别领域中的研究重点,步态识别就是近些年兴起的一种身份鉴别方法。意在根据人们的行走姿势和特点,来实现对行人身份的识别和判定,是远距离下进行身份识别的一个重要的方式。利用步态进行身份鉴别是通过对行走状态下视频序列的拍摄,记录整个行走时的动态过程,再利用视频拆分的步态序列图像对步态过程进行分析。步态识别研究涉及了多个领域的技术,其中包括数字图像处理、计算机视觉和模式识别等。步态识别研究主要包含三个方面的内容,运动目标的检测、步态特征的提取以及步态识别,主要研究工作包括:首先提出一种带有关节点的步态能量图的算法。该方法先将预处理的步态剪影图像进行剪裁及轮廓追踪,获得步态轮廓图;对人体重要的关节点,如膝关节、踩关节进行定位;引入步态能量图的思想,形成带有关节点的步态能量图(PGEI)。这种方法不仅能够将大量集中在步态轮廓上的特征表达出来,而且可以把重要关节点的运动轨迹清楚的展现在能量图中,使一个完整的步态周期中更多的步态特征集中在一张图片里。再基于带关节点的步态能量图,提取图像的局部二值模式(LBP)特征作为后期识别依据。其次提出基于帧间步态能量图的步态识别算法。每帧步态剪影都与相邻帧图像存在一定的耦合与关联性,因此,将当前帧与前一帧和后一帧剪影图像做差,并将得到的两幅帧差图进行叠加,形成帧间步态能量图(FGEI)。在步态周期中选取两腿间距离最大和最小的四帧图像作为特征提取的关键帧,提取这四帧图像的行质量向量和列质量向量特征,并对其进行特征融合。这种方法得到的特征可以在行与列两个维度对步态运动的周期变化趋势和肢体间协调性进行表达,充分体现完整的步态特征。最后研究了一种基于特征融合的支持向量机(SVM)的步态识别方法。从帧间步态能量图中提取关键帧的行、列质量向量特征,根据两种特征的分类错误率,确定特征融合的权重值,建立一个特征融合的几何性判别式,得到融合特征;再使用SVM支持向量机进行步态特征的分类识别。这种方法使得被识别的特征中包含更多的步态信息,通过SVM进行分类识别,得到的识别精度为94.44%,比以单一的行质量向量为特征的识别精度高出11.11%,比以列质量向量为特征的识别准确率高出16.66%。