随着人工智能与机器视觉技术的发展,人体运动分析与生物特征识别相结合已成为一个热门的研究方向。作为目前唯一的远程生物认证技术,步态识别主要是针对含有人体步行运动图像进行分析,通过人体的运动方式辨别身份。它融合了计算机视觉、模式识别以及视频/图像序列处理等多项技术,其关键是寻找可靠的步态特征及分类方法。围绕这个主题,本文对红外步态序列的运动人体检测方法、步态特征提取与识别进行了探索性研究。首先研究了红外步态序列中的运动人体检测方法。从视频流中抽取出图像,并对图像进行预处理(包括二值化、形态学滤波、连通域分析),再运用边界跟踪算法将人体轮廓提取出来,最后利用人体轮廓宽度信号的周期性变化来划分步态周期,并将此参数作为步态分类识别的基本单元。其次设计了红外步态特征的三维与二维表达方法。一方面运用基于模型跟踪的方法提取出步态关节角度。首先建立三维人体模型并对其进行投影,再用包括边缘特征和区域特征的姿态评价函数度量模型与图像的相似性,最后用层次化的搜索策略提取出人体的下肢关节角度。另一方面对人体轮廓进行Radon变换,从轮廓中提取出Radon变换峰值特征并以此表达步态特征。最后,本文尝试了如何将两种混合维度的步态信息进行融合和分类识别。首先对提取到的两种步态特征在特征层上进行融合,再分别使用支持向量机的K-折交叉验证法和K-均值聚类对其进行分类识别。研究结果表明:①混合维度多特征融合的识别性能优于单一维度特征的识别性能;②在本研究中,支持向量机K-折交叉验证的识别性能优于K-均值聚类。目前,基于红外步态信息的研究与应用正处于初级阶段,本文的研究成果期望为这项技术的发展探索一些新思路。