本文是以步态识别为应用背景,主要探讨了步态识别中的模板选择和模板上的特征提取问题。步态识别经历多年的发展,逐渐形成了基于模型和无模型两种基本稳定的框架,基于模型的是对人体结构进行建模,识别正确率受模型假设控制,计算比较复杂。无模型的方法不考虑人体结构,而是在总体的角度提取一些特征。步态能量图GEI的提出,对无模型方法的发展起到很重要的作用,该能量图通过对步态周期的所有帧的步态轮廓图做等权重平均,将整个步态周期的信息压缩到能量图内,极大地减少了计算量,同时这种平均还降低了噪声的影响。考虑到步态能量图是对步态帧作等权平均,完全忽视了时间信息,基于时间保持的颜色能量图以此为解决问题出发点,通过将步态帧根据其在步态周期中的时间顺序,通过特定的颜色映射函数将所有的轮廓图映射到RGB空间中,这样得到的颜色能量图不仅保持了原步态能量图的优点,容易计算,消除噪声等,同时还保持了时间信息,相关的实验的结果也表明这种能量图能有效提升步态识别正确率。本文在对步态能量图和基于时间保持的能量图两种模板两种模板进行全面研究和优缺点分析之后,以提取更适合区分人与人之间的差异的步态特征为出发点,首先提出了使用差分Radon变换的步态特征抽取方法。该方法建立在步态能量图中的高频信息是影响到步态差异性的关键因素这一假设上,实验结果表明,步态模板中的高频信息对步态分类的影响很关键。之后本文综合两种模板的共同点：空间信息保持,采用梯度方向直方图来抽取空间特征,该直方图特征可以去除噪声,对影响步态差异性的关键信息进行强化。同时,考虑到基于时间保持的颜色能量图在保持失序信息上的优势,本文提出了一种简单的多模板梯度直方图特征,该特征不仅保持了不同步态模板中的空间信息,还能够保持步态序列中的时间信息。本文在三个步态数据集上分别进行了大量的实验,同时本文做了大量的实验,全面又系统地对梯度方向能量图中的一些影响因素进行了讨论,结果表明该特征涵盖了步态数据中的形状特征和时序特征,比单纯的模板本身更能体现不同个体之间的差异性。同时该特征计算简单,在不需要对步态模板做合成和实际模板拆分的情况下,也能取得很好的识别效果。