步态识别是生物特征识别与计算机视觉领域的新兴技术,步态识别主要考察人体步态方面特征,旨在通过走路步态特征进行身份识别。随着近年来国家安全意识的提升以及一些重要场所对智能化监控系统的需求,步态识别技术逐渐引起了相关专家学者的极大兴趣。步态识别以其优越的识别方法,使之成为最具潜力的生物特征识别技术。如今步态识别尚处于理论研究阶段,相关技术的实现,急需解决一系列不可避免的难题。比如现有的运动前景目标提取算法误差较大、步态特征点跟踪困难、特征信息分类算法实时性不理想等问题。本文就以上问题展开深入探讨,提出了一种基于人体骨架模型分类的步态识别算法,其对应的研究内容主要涵盖以下三个方面:(1)在前景目标分割方面,本文提出了针对背景较为复杂的图像信息的前景目标提取算法、图像标准化算法、图像信息骨骼化算法。(2)在运动步态特征提取方面,本文建立运动人体五连杆模型。基于神经网络技术将模型与骨骼化图像匹配,进而得到参数化的运动人体步态特征。考虑到不同样本间步态信息时域不对等的问题,本文构建步态特征的傅里叶描述子,将时域特征变换为频域特征。(3)在步态特征分类方面,本文基于投影寻踪理论与Mean Shift算法在经典的KNN分类器基础上提出改进算法,旨在精简KNN分类器分类过程中的样本比对量,提高算法的分类效率。最后本文就研究的步态识别算法,基于C++编程平台实现步态识别系统,并通过实验考察系统的各项性能。实验表明,本步态识别系统在图像预处理、步态特征提取与步态特征分类等方面具有一定的理论意义和实用价值。