随着现代社会对安全需求的提高,生物识别技术作为实现安全的手段得到大力的研究和发展。步态识别是生物识别技术研究中的新领域。医学研究证明,人的步态具有唯一性,根据人的步态可以识别其身份。步态识别研究内容包括步态前景提取、特征提取、模式分类和步态数据库等。本文以特征提取为研究重点,并在步态前景提取与模式分类方面也做了相关的研究。在步态前景提取方面,提出一种改进的背景差法。根据步态图像中前景点与背景点的差值的分布特点不同,自适应计算区分前景点与背景点的阈值,根据阈值对步态图像进行二值化,经形态学处理后得到步态前景图像。这种改进的背景差法能够脱离人工的干预应用于不同的场景,准确提取步态前景图像。在步态特征提取方面,提出步态图像空间特征与频率特征相结合的步态识别思想,并在这种思想指导下,分别提出基于傅立叶变换和基于小波变换的两种不同的特征提取方法。首先,用一组以人体轮廓的质心为圆心的同心圆覆盖步态前景,根据同心圆与步态前景之间的位置关系,构造一组同心圆向量来描述步态图像的空间特征;然后,通过对同心圆向量的傅立叶变换和小波变换描述步态图像的频率特征;最后,通过同心圆的半径与同心圆向量的值的变化结合步态图像的空间特征与频率特征,提取步态特征。在模式分类方面,提出一种基于最多特征相似原则的分类方法。首先,把步态特征分解成多个相互独立的子特征;然后,对分别对每个子特征进行分类识别;最后,把步态归于有最多子特征相似的那一类。结合上述三个方面的研究成果,在中国科学院自动化研究所的NLPR步态数据库的侧面、正面和斜向三个视角方向和加州大学圣地亚哥分校的USCD步态数据库上的实验中,当覆盖在步态前景上的同心圆个数和步态子特征的个数达到一定的数目时达到了100%的识别率。