伴随社会对公共安全的重视程度越来越深,视频监控已经是人们生活中的一部分。智能化的监控需求已经变得迫在眉睫。从视频中找出目标行人的应用也越来越广泛,即人迹追踪问题已经成为研究热点。而新兴的基于步态分析的生物识别技术,也就是通过行人的走路姿势来进行人体身份验证依靠其独特的优势成为当今的研究重点。首先,在传统背景消除法中最小方差均值算法的基础上,为克服最小方差均值中叠影和差分法中空洞问题并降低运算量,运用带权值多重阈值背景建模方法来建立动态的背景模型。进而对前景中运动目标使用中值滤波去除噪声,运用基于HOG模型的人体检测方法检测出行人,在初步分割出来人体轮廓上进行形态学处理,得到清晰的人体轮廓。其次,给出改进的提取步态特征方法,它可分别提取步态能量图的方向梯度直方图(HOG)特征描述子、局部信息嫡特征描述子和小波特征描述子,使得步态特征能够表示更加充分体现步态能量图的局部步态特征、频率步态特征以及边缘步态特征。其后,进行仿真实验,结果表明改进步态能量图特征表示方法有更高的匹配率。采用PCA算法和流形学习中的SLLE算法实现步态特征的降维,确定数据固有的流行结构。既消除了线性PCA算法不能表示出步态特征结构的缺陷,也克服了SLLE降维算法在时间成本上高的问题。实验验证了融合PCA和SLLE算法在识别率增加的有效性。最后,本文给出步态特征与行人的静态特征融合来进行人迹追踪。考虑到Hu不变距的灰度图应用,为增强行人体貌与衣服颜色的静态特征表示,分别计算行人图像YUV(Y,U,V),RGB(R,G,B)和HSV(H,S)八颜色通道的Hu不变距,这样即可保证了维度上没有明显增高,也可得到比较理想的静态特征。从而得到一种动静特征融合的人迹追踪框架。使用Visual Studio 2015作为开发环境,结合计算机视觉开源库OpenCV,对人迹追踪系统基于MFC对话框进行步态特征与行人的静态特征融合来进行人迹追踪系统的设计与实现。系统可以实现对目标行人的匹配结果的排序,给出与目标行人匹配度前五个匹配行人,可保证人迹追踪的实时性和准确性。