人脸、指纹、声音和虹膜等生物识别技术的成功应用为身份的准确鉴定,保证信息安全提供了强有力的手段。但随着社会的发展,这些身份识别手段由于自身的局限性,已不能满足社会多方面的需要。研究开发新的更为有效、全面的身份识别方法势在必行,自动步态识别就是身份识别中的又一项新技术。作为第二代生物识别技术,步态识别具有独特的优势,这些优势弥补了第一代生物识别技术的不足,值得进行深入和广泛的研究。围绕步态识别这一主题,本文从如下几方面展开:①针对步态图象序列的特点,提出并实现了一种采用高斯模型的运动目标提取方法。对每个序列而言,步态轮廓是随时间变化的。分别建立每个象素点灰度值在时间轴上变化的统计模型,采用假设检验来获取运动目标。这种方法提取的运动目标效果要优于常用的基于空间的背景消减法。②表征步态的唯一性要综合利用步态的静态和动态信息。根据此目的,提出一种采用不变矩的步态识别方法。用不变矩描述每帧图象的信息,即静态信息。为获取动态信息,将由图象序列计算得到的不变矩系数序列用傅利叶级数拟合,这样就将静态的数值序列有机连接起来。然后计算傅利叶系数的幅度谱构成特征矢量。③在CMU步态数据库上进行了详细的实验,包括识别率和性能评估。算法识别率包括不变矩识别率比较、不同步态类型识别率比较和遮挡性能验证。性能评估采用累积匹配概率(CMS)和接收机操作特性(ROC)两个指标,分别从方法的识别性能和验证性能两方面进行。所有这些实验表明,综合利用步态静态和动态信息所提取的特征具有良好的识别性能,并对步态识别的遮挡有一定鲁棒性。