本文基于ASM算法的思想,使用了改进的算法和程序对叶形分类和步态识别进行探讨。在进行叶片分类进程中,分别应用覆盖面积半径和生物学参照点进行伸缩变换和旋转变换,使归一化后的叶片更符合生物学特征；在分类时通过设置相似度阈值,强化了同类的标准,从而减少了一些非同类的误归入事件的发生；最后设计了三组实验来研究各影响因素独立变化时对识别率的影响,经过这些改进,本文实现植物叶片批量识别和分类,提供了一种查询错分分布的方法并指出提高识别率的研究方向。在进行步态识别时,首先将侧影进行分割、填充、归一化等预处理。根据Lee提出方法将人体划分成七个不同的子区域,分别计算每个子区域的质心建立主动形状模型；在选取特征提取的算法时将考虑两种：(1)上半肢变化的因素舍弃在外,仅仅考虑腿部,特别是前端腿部的变化；(2)全身变化的因素。我们在中国科学院数据库NLPR的侧面视角数据库上尝试三种不同的分类方法,即最近邻分类器(NN),K-最近邻分类器(kNN),并与最近标本分类器(ENN)来区分不同的样本。本文提出了新步态表示方案,实验结果良好,因而具有较好的研究前景。