鉴于生物特征的人员身份认证算法中，步态以其独特的优势被广泛应用于诸多领域。作为步态识别算法中最为关键的技术之一，特征提取与描述一直是该研究的重要切入点。特征信息来源主要包括两方面：基于形状信息的特征和基于动力学信息的特征。经过深入研究，人们发现动力学信息的波动性极大，不同的行走路面，不同的行走速度，甚至行走过程中是否携带物品，都会影响到所提取特征信息的有效性。因此，在基于步态的身份识别领域中，最有效稳定的特征信息是形状信息。另一方面，特征的统计特性更适合决策个体之间的一致性和差异性，这种基于统计特性的识别算法相对于模板匹配的识别算法而言，在噪声和图像信息非一致性方面的鲁棒性更强，计算复杂度也更低。本论文围绕基于剪影形状信息的特征表述开展了比较系统和深入的研究，包括以下主要工作。1、作为本文重要的理论支撑，首先对基于剪影表述的步态识别中所涉及到的检测、特征提取、特征空间变换、分类器设计等方法做了系统的阐述。在此基础上，提出了一种将时空轮廓变化和不变矩相结合的特征提取算法，对转换后的1D距离信号做不变矩计算，既避免了剪影序列尺寸的归一化，同时又大大降低了传统不变矩方法的计算量过大问题。2、基于时变的步态轮廓形状信息，利用特征间对应关系所具有的非平稳统计特性，提出了一种新的基于特征关系表述的特征描述方法。该方法具将剪影轮廓相邻像素点的八邻域相对方向标号作为关系属性之一，将轮廓边界点与中心点间的距离信号作为另一关系属性，得到这两种属性的联合概率分布，以此表征时变的步态轮廓信息，结合PCA降维的方法，提取特征主向量；最后，采用最近邻分类器进行识别分类，实验证明，该特征描述算法的有效性。3、局部保留投影(LPP)是一种具有非线性数据表示特性的特征提取算法，但未能有效地利用样本类内和类间离散度信息。为此提出了一种改进的二维局部保留投影算法，通过在LPP算法中加入修正因子，引入样本类别判别信息；将改进后的LPP算法应用于二维特征矩阵，避免了流信息的部分丢失。4、将二元检测器的概念引入到分类中，提出了一种新的分类方法。利用随机森林做检测器，将原来的步态分类问题转化为训练同类别检测器；该方法采用二进编码模式(2bit Binary Pattern)对特征矩阵进行编码描述，以最大后验概率为原则来判定分类识别的结果；由于采用在线学习机制，能有效保存记录某人出现在视频序列中的各种步态样本信息，在遮挡半遮挡或是姿势突变等情况下有较好的识别效果。5、搭建了基于步态识别算法的人员身份认证系统，该系统具有友好的人机交互界面，操作简单，可以实现本文涉及到的算法，也为后续步态识别算法的深入研究提供了一个有价值的开发平台。