基于步态的身份识别是近几年出现的一种新的生物识别技术。步态是指人们行走的姿势,步态特征是目前远距离情况下唯一可感知的生物行为特征。与传统的生物特征相比,步态特征具有难以隐藏和伪装、便于采集以及远距离低分辨率识别等优点。一般来说,步态识别技术由四部分构成:步态序列图像预处理、周期检测、特征提取和分类判别。预处理过程包括背景建模、目标检测、二值化和图像形态学处理。本文利用均值法恢复背景,用一种改进的背景减除方法分离出人体图像,最后通过形态学处理改善前景运动图像质量。在周期检测方面,利用人体的宽度信息来进行步态周期检测,为了便于识别,还提出一种归整化周期的方法。特征提取是识别性能的决定性因素,也是本文的研究重点。本文提出了基于静态特征的步态识别方法,利用Zernike矩描述步态序列图像的全局特征;利用小波矩描述其局部特征。同时,还提出将静态特征与动态特征融合起来的步态识别方法,即用Zernike矩作为静态特征,用人体的三个宽度作为动态特征。最后,改进了传统BP神经网络,提高了分类速度。