近年来,随着生物特征识别技术研究的不断深入,步态识别作为一种依据人体走路步态进行身份识别的技术,具有易于采集、远距离识别、难于隐藏等优点,吸引了国内外众多研究机构和高等院校的关注,同时步态识别技术的研究将会对视频监控以及打击犯罪分子等方面,具有很好的实际意义和应用前景。步态识别的研究工作主要包括以下几个方面,运动目标的检测,特征提取与表达,步态的分类和识别等。本文根据这些内容,主要做了以下几个方面的工作：运用图像的灰度化处理和均值滤波来对步态图像序列进行预处理,然后利用混合高斯模型对步态图像序列进行背景建模,获取背景图像,选取背景减除法获取步态前景目标,并采用间接差分法的阈值选择方式获得运动目标的分割图像,再利用形态学处理中的膨胀、腐蚀操作对目标图像进行平滑和去噪处理。得到准确有效的步态二值图像。采用8邻域边缘轮廓跟踪算法提得出二值图像的边缘轮廓,并根据步态边缘轮廓的外接面积随时间变化来对步态序列的周期性进行估计,同时选取一个周期中面积最大和最小的四帧序列作为该步态序列的关键序列,最后计算出人体轮廓的傅里叶描述子和步幅特征一起作为描述步态的特征方法,并经融合一起作为步态特征的特征向量。依据上面提取的特征构造连续隐马尔科夫模型,然后运用此模型对人体步态序列进行训练得出各个序列的参数,然后基于统计概率的原则实现对待测步态序列的识别,最后经过CASIA步态数据库的检测,取得了不错的识别效果。本文以Vc++6.0作为工具开发出一套完整的步态识别系统,很好的实现了运动目标的检测与处理,步态特征的提取、分类与识别等各个模块的内容。