在安全认证需求日趋普遍和严格的信息时代,身份证、特制钥匙和密码等传统身份认证技术因易被伪造而不能适应新环境下的需求,生物特征识别技术被寄予厚望。指纹、掌纹、掌形、虹膜、人脸、DNA、语音和签名等生物特征识别技术已在保证个人资讯安全,防止恐怖事件发生、打击经济犯罪等方面发挥着重要作用。但这些生物特征识别技术属于近距离身份识别技术,需要参与者密切配合,容易引起人权纠纷。步态识别作为一种独特的远距离身份识别技术,其信息采集具有非侵入性和隐蔽性等优点,因此被采集对象不易察觉而伪装,也不会引起人权纠纷。认知科学、运动生物力学和刑事侦查学的研究表明,步态触觉信息包含丰富的步行模式和习惯等个体特征,有鉴别身份的潜力。本文从运动生物力学的角度系统地研究了基于步态触觉信息的身份识别方法,研究三维地面反作用力的获取、预处理和步态特征提取、选择及分类识别的方法。基于步态触觉信息的身份识别技术因其独有的不受复杂背景干扰和遮挡影响的优点,必将成为远距离身份识别领域的重要方向,该研究工作具有重要的理论意义和广阔的应用前景。全文主要工作和创新性成果总结如下:(1)从多个角度分析了基于步态触觉信息的身份识别的可行性及其研究意义,并制定了研究方案。使用5个自行研制的三维力测力台以等间隔交替拼装的方式搭建了一条步态触觉信息采集通道,该通道可以获取不同人群相对自然地行走时连续、完整的步态触觉信息。利用此通道,我们建立了ITCSH GaitⅠ、ITCSH GaitⅡ和ITCSH GaitⅢ三个规模不同、信息量不同的步态触觉信息数据库,ITCSH GaitⅢ还包含5个视角的同步步态图像序列。这三个步态数据库的建立填补了目前国际上此类步态数据的空白,对推动步态识别研究具有积极作用。(2)为了保证数据质量,选用小波变换硬阈值法对地面反作用力数据去噪。为了增强小波包分解提取的频域步态特征的可比性,提出了波形对齐方法,还提出了有效扩展步态样本的样本拆分方法。实验结果证实了这三种数据预处理方法对提高分类性能有利。首次通过实验证实了对地面反作用力进行最小-最大值标准化、z-score标准化和体重加权标准化中任意一种以降低量纲差异为目的的数据标准化处理都会不同程度地降低分类性能,并分析了可能的原因。(3)提出了一种基于波形特征点检测的时域步态特征提取方法,该方法从三维地面反作用力中提取出反映步态整体和细节特征的时空参数和动力学参数,并通过计算方法建立了一些构造动力学参数,将这些参数构成具有明确物理意义的时域步态特征用于识别。我们还提出采用基于组内相关系数(ICC)的重复性验证方法和基于Kruskal-Wallis秩和检验的差异显著性检验方法验证这些时域步态特征的稳定性和唯一性,实验结果证明这些时域步态特征具有较好的稳定性和差异性。也采用小波包分解方法提取了频域步态特征,对比发现基于波形特征点检测的时域步态特征提取方法有利于帮助理解步态识别的原理。(4)提出了组合相关性测度和最好优先搜索的CFS特征选择方法,该方法能最大限度地减少与分类无关的冗余步态特征;还提出了利用分类器分类性能反馈的SVM-Wrapper特征选择方法,这两种方法都能真正减少所需提取的特征数目。在实验和理论分析基础上,提出了“CFS+PCA”和“CFS+SVM-Wrapper”两种组合式特征选择方法。我们选择基于高斯径向基核函数的支持向量机(RBF-SVM)分类器测试了各种步态特征选择方法的性能,实验结果证明了CFS法和SVM-Wrapper法具有优良的性能,而“CFS+PCA”和“CFS+SVM-Wrapper”两种组合式特征选择方法既能最大限度地降低特征维数,又能保持较好的分类性能。采用模糊C均值判据(FCM法)对频域步态特征进行初选能够大大降低特征维数。同时,分类识别实验也证实了RBF-SVM分类器在小样本情况下也能够将步态样本很好地分类和识别出来,其分类识别性能比KNN分类器好很多。(5)分析发现,识别出错大多发生在体重接近人群和行走速度变化较大时。因此,我们提出了采用支持向量回归模型从时域步态特征实时恢复被测对象的体重和身高,可以为提高步态识别性能和刑侦应用提供先验知识。(6)实验发现,当行走速度变化较大时,RBF-SVM分类器的分类性能明显下降。我们提出了分布式投票分类法和首次采用旋转森林这种多分类器集成系统处理行走速度变化时的步态识别问题。实验结果证实了旋转森林能够很好地处理包含小速度扰动时的步态识别问题,分布式投票分类法在速度变化较大时也有较高的识别性能。