在计算机视觉这个新兴领域,科研工作者致力于使计算机能够模仿人类对周围的环境和物体进行感知,判定,分类和建模,其中一个重要分支应用就是人的身体动态分析。当脸部识别,指纹识别,虹膜识别,手型识别,声音识别广泛运用在各类公共场所和关卡岗哨的时候,人体步态分析作为基于生物特征识别的新方法能在极其隐秘的前提下获取关于受测试人的信息,受到许多研究人员的关注。录制一段普通人行走的视频,每一帧将会对应人体步态的一个相位。大多数情况下,复杂的背景,不断变换的视角,不同厚度和形态的衣饰和附属品,光影的投射,自然界的噪声会极大的降低识别精确度。这些负面影响需要被有效的消除。另外,距离的不同导致各帧之中人体大小不一,需要采用归一算法把人体的像素作为前景色放在一个固定大小的方框中。本文将系统的介绍基于步态分析的身份识别方法的基本流程,包括背景的减除,背景与前景信息的分类,侧影的预处理和相似性比较。在胡荣博士的带领下,我们有效的对步态分析和身份识别的流程和算法做出改进。相对于包含各种噪声和误差的人体侧影,骨架成为能够表达人体步态的一个重要特征。我们采用腐蚀和重构的方法去除噪声和光影影响,得到比较完美的骨架,获取识别步态的重要信息。另一方面,由于人体步态的周期性,步态序列的侧影中前景与背景交界处的像素都是呈现周期变化的。我们利用快速傅立叶变换在频域中分析它们的周期特性,然后通过建立新的空间坐标系,把不同的步态序列映射成不同的空间点,利用点之间的欧氏距离表达序列之间的相似度。我们的所有仿真都在VC平台和Matlab里面完成。