随着机器视觉领域在人工智能方面地位的日益提升,步态识别作为生物识别技术之一在该领域的影响也逐步扩大。步态技术被广泛应用于安保防护、3D影视、医学等各个领域。步态是人行走过程中自然流露的行为特征,人的走路姿态千差万别,步态的难模仿、不受距离局限和无需接触等优势来鉴别身份、探究生理以及心理变化,成为当前主流研究的生物识别技术之一。本文提出一种基于集成Gabor特征的步态识别方法,并采用中科院自动化研究所提供的CASIA Dataset B步态数据库对所提出的方法进行全面的性能评估。在步态识别中主要分为三个处理过程:首先为步态检测,针对外界环境、拍摄角度以及拍摄条件等因素对步态目标轮廓的影响,提出一种基于HSV颜色模型的阴影消除法对步态目标轮廓图进行有效的提取;其次为步态特征提取;根据步态周期图像序列,提取出步态能量图中动态区域,将动态区域与Gabor特征实部进行卷积运算得到步态特征图;针对传统的Gabor特征提取后存在特征维数较高的弊端,提出一种Gabor集成特征思想。根据特征的变化通过均值融合和差分二值编码集成出多角度、多尺度特征图。最后为识别;将集成的26张特征图根据其识别权重优先排名,最后选出4张作为最终的特征向量;通过K近邻算法进行分类。实验结果表明,基于集成Gabor特征的步态识别方法,将步态特征进行有效分离和表达的同时,又降低数据维数,使得表征数据更加紧凑,并且对步态进行准确归类。