随着社会的发展,安全问题越来越重要。步态识别作为一种新兴的生物特征识别技术,旨在从不同运动个体的行为中提出各自的变化特征,达到实现对目标的自动身份识别。与其他的生物特征相比,步态识别具有非接触性,远距离性和难以隐蔽性,并且步态识别可以在低分辨率的视频序列图像中进行检测和识别的优点。人脸、指纹等生物特征通常要求近距离或者接触性的感知,在远距离情况下无法使用,而步态是此情况下唯一可感知的生物特征。因此从视频角度看,步态是远距离下最具有潜力的生物特征。步态识别包括三个部分：目标检测、特征提取和分类识别。本文在研究步态识别算法基础上,提出一种融合步态运动中人体的静态特征和动态特征的步态识别算法,并对这三部分进行了详细的研究。针对本文使用视频图像序列所具有的背景简单的特点,对运动目标检测方法比较分析,采用基于改进的背景减除法提取图像,然后基于形态学去噪处理,用傅里叶描述子提取人体的轮廓作为静态特征。对步态特征进行分析,在步态周期内计算出步幅和步频作为动态特征,将人体轮廓特征、步幅特征、步频特征相融合。通过对加法融合、最小值融合、最大值融合、Choquet模糊积分融合,提出基于权重的加法融合规则。最后采用最近邻模糊分类器进行决策。设计了在CASIA步态数据库上的仿真实验,实验表明,静态特征和动态特征融合后的性能优于基于单个特征步态识别算法,且识别率有了较好的改善。