随着国家对安全方面的重视,公共场所的视频监控显示出越来越重要的作用,通过监控系统对行人身份进行识别,有其重要研究意义。由于摄像头一般与行人距离较远,致使拍摄图像不清晰、人脸模糊,传统的生物特征识别方法,如人脸识别、虹膜识别等,已经无法满足实际需求,而步态识别因其具有远距离可识别、分辨率要求低等优点,相比于传统的生物特征识别方法表现出明显的优势,成为计算机视觉领域的研究热点。目前步态识别的方法主要分为两大类:基于模型的方法和基于非模型的方法。步态能量图属于基于非模型的方法,因步态能量图包含更加丰富的动态和静态信息,相比基于模型的步态识别方法具有易提取、特征丰富等优点,因此本文重点研究基于步态能量图的步态识别。基于步态能量图的识别方法主要包括步态预处理、特征提取、步态识别三大步骤,如何进行有效地特征提取是步态识别的关键所在,也是本文的重点研究内容。本文的主要研究工作和贡献如下:(1)在步态能量图基础上,提出一种改进的步态能量图提取方法—帧差阈值法,通过该方法提取的步态能量图能够在保留手部腿部等高频走路信息的同时,减小上身静态信息对步态识别的影响。(2)针对背包、大衣等干扰因素造成的识别率降低问题,提出一种分割加权算法,通过该算法能够很好地凸显能量图中每部分的贡献,从而降低背包、大衣等干扰因素对步态识别的影响,达到提高识别率的目的。(3)使用5个尺度和8个角度的Gabor小波对分割加权的能量图进行特征表征,得到加权的滤波特征,并通过对比实验证明所提取特征的有效性。(4)针对Gabor小波进行特征提取时,维度较高的问题,采用二维主成分分析(2DPCA)方法对数据进行特征降维,然后采用泛化能力较强的SVM分类器对步态特征进行识别。实验表明,基于2DPCA+SVM的识别方法能够在保证高识别率的情况下提高运行效率,取得了很好的识别效果。