步态识别作为一种新兴的生物特征识别方法,它通过考察人走路的方式进行个人身份的识别。与其他生物特征识别方式相比,它具有被识别目标不接触设备、可远距离识别、识别过程不易被察觉、行走习惯难以模仿和改变等无可比拟的优势,因此在近年来越来越受到各国研究机构的重视。在步态识别中,首先要将运动目标区域,即人体轮廓,从背景中分割出来。运动区域的完整、有效分割对于目标分类、特征提取、特征表达与最后的识别等后期处理具有非常重要的意义,因为后续的处理过程仅仅考虑分割后的图像对应于原图像运动目标区域的那些像素。采用传统分割方法,比如背景消减法、帧间差分法、基于运动场的方法等对运动区域进行分割时,受复杂背景的影响,分割出的运动目标边缘往往十分粗糙,甚至构不成封闭轮廓,这就造成了运动信息的丢失,严重影响了后续工作,这也是步态识别率难以大幅度提高的原因之一;对于非封闭轮廓,一些学者采用计算机自动定位和人工交互的方法进行修补,这样将花费大量的时间。因此,人体轮廓的准确、完整提取成为了步态识别的关键之一,同时,它也是一个难点。本文以现有的步态数据库中图像的人体轮廓提取为背景,研究准确、完整提取人体轮廓的方法。在考察各类传统分割方法原理和优缺点的基础上,针对在复杂背景下提取的人体轮廓往往存在残缺的难点,将一种能自动修补轮廓缺陷的Snake模型引入到轮廓提取中,提出了基于Snake模型的改进算法。该算法能在背景消减法分割得到的残缺图像基础上,自动、精确地搜索到图像轮廓,修补轮廓上的缺口;同时,本文还对模型进行了改进,提高了程序的运行时间。为了评价算法的有效性,在总结分割效果评价方法的基础上,本文分别从三个角度评价了算法的分割效果。该算法在CMU数据库上进行了实验,结果表明提取出的步态轮廓完整且封闭,分割效果较好,能有效地提高识别率。针对原始Snake模型的一些性能缺陷,一些学者提出了改进方法,比如气球模型、距离模型、GVF模型、贪婪算法等。其中,GVF模型以其对凹陷轮廓的良好的收敛性能获得了最为广泛的应用。通过对人体轮廓特征的分析,由于轮廓存在着凹陷的位置,因此本文选取GVF模型对轮廓进行搜索。而GVF模型采用传统的变分法,收敛速度较慢,本文采用速度较快的贪婪算法对GVF模型进行了改进,提高了程序的运行速度。在对分割效果的评价上,由于研究者采用的数据库、提取方法各自不同,因此对分割效果的评价也有很多不同的标准。本文在对分割效果评价总结的基础上,分别从子块数目、有效面积比、对识别率的影响三个方面评价了算法的分割效果,并用实验数据给出了评价结果。与分割的主流方法——背景消减法相比较,本文算法能获得更好的分割效果。