生物特征识别技术是利用人自身所固有的生理和行为特征进行身份鉴别。步态识别是生物识别技术中的一个新兴领域,它旨在根据人走路的姿势进行身份识别。近年来,随着安全敏感场合对智能监控系统需求的提高,步态识别技术已经引起了广泛的研究兴趣。步态是非常具有潜力的生物识别特征,然而目前步态识别的研究主要还停留在理论阶段。实现相关技术的实用化,迫切需要解决一系列难点问题。比如,步态序列图像具有复杂背景或存在严重遮挡情形时,现有方法获得的识别率往往过低,远远不能满足实用要求。本文围绕该问题展开深入研究,提出了一种运用下肢关节角度信息的步态识别方法,其对应的研究内容主要涵盖以下三个方面:①在运动分割方面,提出了一种针对复杂背景的运动目标检测、轮廓提取算法。首先对图像序列进行预处理以尽可能滤除噪声,然后基于三帧时间差分法的基本原理,利用序列中多帧图像融合运动信息,提取出完整的运动目标轮廓。②在步态特征提取方面,考虑到“关节角度变化包含了丰富的个体特征信息”,研究了基于关节角度信息周期性分析的步态识别。首先,对运动人体腿部建模,采用最小二乘法拟合边界,以获取大腿和小腿关节角度的时序信息;然后,根据步态运动的准周期性,将关节角度时序信息按傅利叶级数形式展开,采用遗传算法搜索各次谐波的系数并进行尺度变换,生成特征向量用于后续的识别过程。③在分类识别方面,分别采用最近邻法、k-近邻法以及最近标本分类器ENN对CMU库中四种不同的步态模式分别考察,确定测试样本所属的类别;还提出融合角度特征信息,以进一步改善识别性能。利用阶次统计特性ROS(Rank Order Statistic)和验证曲线ROC(Receiver Operating Characteristic )进行分类性能的度量。实验发现,当步态序列图像具有复杂背景且存在严重遮挡情形时,运用本文提出的识别方法,可以获得令人满意的识别结果。将关节角度特征信息按级联方式融合,可进一步提升识别率。