所谓步态,就是指人们行走的姿势,是一种远距离情况下唯一可感知的生物行为特征。它可以通过人步行的方式,达到识别人的身份的目的,近年来,成为国内外研究的重点领域。步态识别是一种新兴的基于步态特征的生物特征识别技术,包括身高、体形等,它主要是针对含有人的运动图像序列进行分析处理,通常包括目标分割、特征提取、特征处理和识别分类四个阶段。它在虚拟现实,视觉监控,感知接口中均有广泛的应用前景。步态特征提取是步态识别中的一个重要步骤,现阶段,步态特征已经包含很多,例如：具有尺度、平移和旋转不变性,可以表示人体轮廓特征的傅里叶描述子；可以精确地表示不同人的身份,变化包含了大量的运动信息的肢体角度特征；表示步态对称性的反射对称因子；轮廓形状上下文等等。本文验证的是人体的傅里叶描述子特征。智能视觉监控技术的研究近年来也受到了广泛的关注,即赋予监控系统观察分析场景内容的能力,使其更加智能化,能够在几乎不需要人为干预的情况下,对摄像机拍录的视频序列进行自动分析,并及时做出反应。例如对用户定义的异常情况的检测,或者一些非常规事件都能起到很好的作用。运动目标的跟踪过程,就是依据目标及其所处的环境,选择能够唯一表示目标的特征,并在后续帧中搜索与该特征最匹配的目标位置的过程。它不仅是目标运动分析和场景分析的主要数据来源,也为目标的检测和识别提供帮助。目前关于目标跟踪(object tracking)的算法有很多,各种算法的根本区别在于选择何种特征对目标进行描述以及采用何种搜索匹配算法。本文采用的是粒子滤波算法。运用两种技术的组合,实现对步态识别率的提高是本文的主要内容和创新,提出的方法是：首先运用背景减除方法从背景中提取出目标,并计算其傅里叶描述子特征,而后利用粒子滤波算法得到运动过程中的更为准确的目标位置信息,并在此基础上计算傅里叶描述子,实现更优越的步态识别效果。通过对滤波前后的傅里叶特征与真实目标特征的对比,证明经跟踪之后提取的特征信息更为准确,能够提高对人体目标的识别效率。