近年来,步态识别技术是生物特征领域的一个研究热点,其目的是根据人的行走特征来进行身份识别。目前对步态识别方法的研究大多采用的是基于计算机视觉的方法,而对基于足底压力分布的步态多集中于数据分析方面的研究,分析目标主要集中于医疗诊断、疗效分析、体育锻炼等方面,对于利用足底压力分布来进行身份识别的研究相对较少。因此,本文对基于足底压力分布的静态步态识别进行了研究。一个完整的步态识别过程主要包括采集数据、数据预处理、特征提取以及分类识别等过程,其中,特征提取是步态识别的关键技术,因此本文主要研究工作是采用两种方法对足底压力分布进行特征提取,然后采用一对一的支持向量机(SVM)进行分类识别。由于足底压力分布往往呈非线性变化,如果直接利用步态压力点特征进行步态识别,其特征的稳定性和鲁棒性不高。针对于此,本文第三章提出了一种基于谱特征和足底边缘距离的步态识别方法。其次,为了寻找一种更好更有效的特征提取方法来提高步态识别率,而目标物体的形状是描述物体的一个重要的特征,但一些文章在研究步态识别方法时,仅利用足底压力信息或仅利用足底边缘轮廓信息；本文第四章从这一特点出发,提出一种基于傅里叶描述子(FD)和奇异值分解(SVD)的静态步态识别方法,将FD和SVD分解相结合,以此作为一种融合足底边缘轮廓信息和足底压力信息的新特征进行识别。最后对提取的特征都采用SVM作为分类器进行分类识别,并列出实验结果且对实验结果进行分析说明,为今后的基于足底压力分布的步态识别提供参考。