近年来,非法袭击、非法入侵等犯罪事件频发,公共安全问题引起人们的高度重视,一度成为热点话题。随着安全意识的提高,人们也逐渐意识到了身份识别技术的重要性。然而传统身份识别方式简单、易伪造,已经无法满足智能化时代的需求。在这种形势下,生物特征识别技术成为研究重点。相较于人脸识别、指纹识别等,步态识别技术因其具有非接触性、远距离识别、难以伪装等优势进入科研者的研究范围。当下,步态识别技术在智能公共安全领域具有广阔的发展前景和研究意义。然而,在实际应用场景中,步态识别技术容易受到诸多因素的影响。因此,针对目前步态识别技术在进行步态检测与分割时出现的部分问题以及行人目标的穿着条件对步态识别准确率的影响,本文进行了如下研究:(1)在步态预处理阶段,提出了一种基于优化ViBe算法的目标检测与分割算法。在原ViBe算法的基础上,融合多种算法的优势,有效解决了在步态检测与分割时出现的阴影和鬼影问题。(2)针对行人目标的穿着条件对步态识别准确率的影响,提出了一种基于步态轮廓线的步态特征提取算法。以步态轮廓线为基础,提出一种分割加权策略。根据步态特征受穿着条件的影响程度对步态轮廓线进行区域分割和权重分配。并将步态轮廓线构造成特征矩阵,减少数据冗余。实验结果表明,能够有效降低穿着条件对步态识别准确率的影响。(3)利用PCA降低步态矩阵维数,减少计算复杂度。采用MDA对步态特征进行分类识别。通过计算测试集中的目标与训练集中所有目标的距离对其进行分类,将其分类为与其具有最短距离的训练集目标。通过在CASIAB数据库上进行了一系列对比实验,论证了本文算法的可行性。从实验结果中得出,本文所提出的步态识别算法,对于步态检测与分割时出现的阴影问题以及穿着条件带来的影响具有较好的效果,鲁棒性和可用性较高。