生物特征识别技术是利用人体先天的生理特征或固有的行为特征来进行身份认证的新技术。指纹、虹膜、脸像等生理特征,通常要求近距离或者接触性的感知,而步态是远距离情况下可感知的行为特征。步态识别因其非侵犯、远距离、难伪装等优势引起了计算机视觉领域的浓厚兴趣,成为近年来生物特征识别技术中备受关注的前沿方向。本文主要探讨了基于视频步态图像和人体运动红外辐射双源多特征信息融合的步态特征提取与身份识别新方法。本研究使用普通摄像头和热释电红外传感器设备,以同步采集的12个测试者的步态视频和红外电压信号数据建立了数据库。首先,本文研究了视频图像源步态特征提取方法。即利用普通摄像头采集人体行走视频后,从视频流中抽取RGB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得到运动人体轮廓,对轮廓进行重采样及归一化处理,从轮廓中提取傅立叶描述子和Radon变换峰值特征并以此表达步态。同时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,然后选择周期极大值帧作为关键帧提取图像的特征参数。其次,本文研究了热释电红外源步态特征提取方法。受试者在一定范围内走过时,探头表面安装有菲涅耳透镜的热释电红外传感器会产生电压信号变化,本文提取这一变化信号,通过比较不同受试者时域和频域信号的差异性确定使用其频谱特性来表达人体的运动特征。最后,本文研究如何将双源步态信息进行融合。首先使用主成分分析法对特征向量降维。再对提取到的双源特征在特征层上进行融合,使用支持向量机的K-折交叉验证法进行训练识别。本研究进行了两种实验,结果表明:①多特征融合的识别性能优于单一特征的识别性能;②人体轮廓发生改变之后,图像源特征的识别率会降低,但是经过特征融合后,热释电红外源特征能弥补这一缺陷,从而提高识别性能,再次验证了本研究融合双源特征的有效性。目前,基于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。