步态识别是指通过人体走路的姿势来识别人的身份。近来年,步态识别作为一种生物特征识别技术而备受关注。步态识别的三大优势:远距离识别,非侵犯性和难于隐藏性,使得它可以广泛地应用到安全部门、身份鉴别、数字监控等领域。步态识别主要由三部分构成:步态序列图像预处理、特征提取和分类识别。本文采用傅立叶描述子,对基于轮廓的步态识别技术做了探索性的研究。首先,采用一种自适应背景模型,实现了动态场景中的背景获取;其次,使用背景差分图像法,结合直方图自动阈值分割和数学形态学算法实现了运动人体检测;利用运动人体的宽高比的周期性变化来提取关键帧,并采用傅立叶描述子对关键帧步态轮廓进行分析和优化,构建特征矢量;然后,对特征矢量进行特征空间变换以获得可分类的低维步态特征;最后,在时空相关性分析的基础上,通过使用标准的模式分类器——最近邻法实现身份识别。本文采用中科院自动化所提供的CASIA步态数据库,对本文中的算法进行了实验,结果表明该算法不仅获得了令人鼓舞的识别性能,而且拥有相对较低的计算代价。