步态识别作为生物特征识别中唯一可以远距离识别的方法,以其非接触性、非侵犯性、易于感知、难于隐藏、难于伪装等优势已成为生物特征识别领域的研究热点之一。但是,由于人体是非刚性对象,由其形成的步态会随着衣着(包含衣裤、鞋帽)、年龄和走路速度等的变化而变化,其稳定性受到多种因素影响,使得步态的机器自动识别这一课题极具挑战性。特别是行走状态变化问题、摄像机更换以及人体随机行走等因素带来的不同角度的步态识别问题已成为步态识别技术在视频监控环境下得到广泛应用的瓶颈。准确的运动人体检测在步态识别中是很重要的前期工作,本文首先提出了一种基于跟踪区域的运动人体检测方法。在此基础上,本文主要针对步态识别中的行走状态变化和多角度两个关键问题开展了相关的研究。在行走状态变化时,步态识别率偏低,针对这一问题,本文从两个角度提出相应的解决思路:(1)对目前研究较多的“类能量图”法进行了详细的评述,通过理论和实验对比分析了各步态类能量图的优缺点,为不同行走状态下类能量图的选取提供了有益参考;(2)在已有类能量图的基础上,提出了有效的步态表征方法,实现步态信息更完备表达来满足行走状态变化时步态的表征;(3)针对多角度步态识别问题,本文主要从耦合距离度量的角度出发,提出了一种有监督的耦合度量策略,它能够直接用于来自不同角度步态的特征提取与分类识别。本文的主要研究内容总结如下:1.针对运动人体在背景扰动、光线变化、噪声干扰等复杂场景下的检测困难,提出具体的解决方案。改进已有的码本检测方法,提出一种基于跟踪区域的码本检测算法,能够实现运动人体的快速、准确检测。采用码本检测算法得到完整的运动人体作为确定跟踪区域的起始帧,融合Camshift的在线Adaboost目标跟踪算法对运动人体区域进行准确定位,并在该区域内用码本模型检测运动人体。该方法仅对跟踪窗口进行码本检测,其余区域设为背景,消除了与运动人体区域无关的冗余检测,对于完善实时的步态识别系统有一定的意义。针对基于周期性步态图像的类能量图表征方法,提出了一种多角度的步态周期检测方法,能够有效的提取运动人体检测后的周期性步态。2.针对目前在步态识别中常用的类能量图步态表征方法缺乏全面详细的评述,本文对已有的类能量图方法进行了对比分析研究,通过对特征提取和形成能量图的方式分析,将类能量图分为步态信息累计类能量图、步态信息引入类能量图、步态信息融合类能量图三个类别,通过理论和实验对比分析了各类步态类能量图的优缺点,为不同行走状态下类能量图的选取提供了有益的参考,同时也为基于类能量图的步态表征方法的发展指明了一个方向:选择好的融合方法和融合信息对提高识别性能同等重要。融合信息可以选择来自步态信息累计类能量图和步态信息引入类能量图的动态、静态和时序信息。3.针对现有类能量图存在的步态信息表征不完备的问题,进一步提出了三种新的多通道彩色类能量图,即时序保持光流能量图、主动历史能量图和增强运动信息能量图。三种类能量图分别从不同角度反映了步态序列所含的动态、静态和时序信息,以彩色类能量图的每个通道作为一种特征,结合特征级的融合策略,提出了两种有效的融合多通道特征的特征级融合方法,能够更好地解决行走状态变化给步态识别带来的困难。4.针对不同行走角度的步态识别问题,将其看作不同数据集合间的度量问题,提出了一种基于增强有监督稀疏保留投影的线性耦合度量学习方法,并将该方法推广到非线性情况,提出了基于增强有监督稀疏保留投影的核耦合度量学习方法。分别将提出的这两种有监督耦合度量学习方法应用到了多角度步态识别中,取得了较好的识别效果。