步态是一种新兴的生物识别工具,医学研究表明步态是一种既具有个性化又具有规律性的特征。步态具有非侵犯性、非感知性、作用距离远、难以隐藏等显著优势。随着我国基建设施的大规模展开,大量大型建筑如银行、机场、地铁站等重要场合往往需要大视场、多角度的监控器材,并且随着当前国际国内安全形势的不断恶化,使得监控环境日趋复杂。在这类复杂监控场景中对基于步态的目标识别研究及多种生物特征融合的研究具有重大的学术意义及应用价值。因此,本文对各种复杂的监控场景进行分析后,初步将其分为单一固定视角场景、多视角场景、大视场多视角低分辨率,对这些场景分别提出了适用的步态状态的属性分类技术。主要工作如下:(1)在单一固定视角场景下,针对当前步态特征描述子的一些缺点,通过对步态特征描述子的改进,获得精确、简洁、高效的特征描述。本文首先提取Gabor特征,然后对其进行PCA、MMI两次降维处理生成步态空间特征,结合隐马尔科夫模型对目标进行识别,并通过在不同的行走状态下的实验比对验证了本文所提取特征的有效性。最后针对未知的单一视角,提出了一种分层分类方案。通过该方案简化训练模型的计算量,提高了识别率。(2)在大范围的监控场景中往往需要布置多个角度相机,多角度相互配合进行无死角监控。而多视角的步态一方面加大了数据量,有利于识别;一方面多视角也带来了巨大的不确定性挑战。本文针对多视角场景下存在的视角未知情况,首先提出了一种视角相关性特征的提取方法,并通过实验验证了该方法提取的特征的有效性。然后提出了一种基于回归分析的视角预测方法,即通过训练建立稳健回归模型,对未知的测试视角进行预测,然后按照预测的视角进行后续处理。最后通过实验验证了本文基于视角预测方法进行分类识别的可行性和高效性。(3)在大视场、低分辨率的场景中,往往具有采集多种生物特征的条件。在图像序列中比较易于采集是人脸和步态数据。因此,本文基于这两种生物特征,展开多生物特征融合研究。通过对融合方法的研究,选择更稳定的决策层融合人脸和步态两种生物特征。并基于贝叶斯理论,提出了贝叶斯融合策略,通过实验验证了该方法的有效性。