随着军事区域、敏感的公共场合、国家重要部门等对智能监控需求的提高，远距离的人体识别成为当前身份识别的热点，传统的身份识别已经不能胜任这项任务。传统的生物特征(如指纹、人脸、虹膜)不能完成远距离识别的任务，而步态特征具有隐蔽性、非接触性、难以伪装和隐藏、可远距离监测等特点，被认为是远距离目标识别最具潜力的生物特征，颇受广大模式识别研究者的青睐。所以步态识别技术在安全敏感场所、特殊的人员限制等方面有很广泛的应用。基于现有的算法和理论，本文着重从人体的步态轮廓、人体关节点角度、反射对称因子等方面入手，开展研究，主要工作如下：1、本文提出了步态识别系统的总体设计目标，制定实验方案，在申请到的中科院自动化所的CASIA步态数据库上验证实验方案的可行性和识别效果，并且根据实验室现有的实验设备，在实验室内部和实验室外部拍摄部分视频，该部分视频用在对比试验中。2、在运动目标检测后，对得到的图像进行裁剪和缩小，使用双线性插值法对图像进行缩小，以减少后期的数据处理量。3、根据人体步幅的周期性变化提取被测目标的步态周期，在步态周期内，提取被测目标的三个特征：轮廓特征、肢体角度特征、人体的反射对称特征，为了降低特征的维数，取轮廓距离矢量的前30阶傅里叶变换，取人体的9个肢体角度值，1个反射对称因子，组成联合特征矢量，用于分类识别。4、为了验证本文算法的有效性，实验部分分为四组，第一组采用两种特征组合进行实验；第二组采用上述三种特征组合进行实验，但不引入各个隶属度的权重值；第三组即是本文的算法，采用上述三类特征进行试验，并且根据隶属度不同，给予不同的权重；第四组采用自己拍摄的视频进行实验，实验条件和第三组完全一样，只是采用的步态视频是自己拍摄的。5、独立完成了软件系统的编写，对上面提出的四种算法结果进行对比，本文提出的识别算法在CASIA的步态数据库上能够达到90%以上的识别率，自己拍摄的视频识别率也能够达到85%以上。