步态识别作为一种新兴的生物特征识别技术,主要通过检测人们走路的方式来进行身份识别,而不论他(她)们穿着什么样的衣服。与传统的生物特征识别(如:指纹、人脸等)相比,它可以远距离的对人进行有效的身份验证。而且,步态是很难被伪装或隐藏的。因此,近年来成为计算机视觉和模式识别领域的研究热点,在智能监控、医疗诊断等方面有着广泛的应用前景。　　 本文对基于步态的身份识别技术进行了深入的研究,主要包括:步态检测及预处理、特征提取和分类识别三个部分。步态特征的提取一直是步态识别的研究重点,同样也是本文的研究重点。　　 首先,对步态检测和背景建模方法进行深入的研究。本文采用背景减除法提取人体运动目标,采用高斯模型法进行背景建模,并对二值化人体轮廓图像进行形态学、归一化等处理,对步态周期进行分析,提出一种关键帧提取算法,有效去除冗余帧。其次,对步态特征提取方法进行研究。详细阐述步态能量图理论,探讨如何选取有效的特征和选取什么特征,提出一种特征选择掩膜方法,对步态能量图进行改进。对主成分分析(PCA)和支持向量机(SVM)理论进行研究,并给出本文特征提取算法。最后,在理论研究的基础上,实现一个简单易操作的步态识别系统。在中国科学院自动化研究所提供的CASIA步态数据库上,对本文提出的关键技术进行实验分析与验证。实验结果表明,本文提出的方法具有较高的识别率。