人体步态识别是人体视觉分析的一部分，是近年来计算机视觉领域中备受关注的前沿方向。步态作为一个独特的生物行为特征，与其它生物特征相比，具有易感知、非侵犯性、难于伪装等优点。步态识别在人的身份鉴别领域，具有很大的应用价值和实际意义。 本文介绍了步态识别技术的研究背景、发展过程、研究方向以及步态识别中采用的不同的研究方法。在此基础上，提出了一种可行的步态分类分析方法：首先，采用Gabor滤波方法提取步态图像的几何特征参数，然后利用加权的动态模板匹配方法对步态图像序列进行了分类研究。 人体步态所呈现的一些几何特征可作为不同类别步态的分类基础，如两脚之间的跨度、两腿交叉点到两脚水平基准线的高度以及两腿与人体垂直方向中线的夹角。为了获取这些感兴趣的几何参数特征，构造了一组Gabor核函数用于对被分析图像序列进行滤波，以便尽可能地消除背景的噪声。对不同核函数滤波后的图像经过简单的逻辑运算可以得到一幅幅二值图像，然后通过扫描来二值图像来获取不同的几何参数。 直接地比较几何特征参数，很难实现步态的分类分析，因此在介绍使用HMM模型对步态分类分析的原理后，重点分析了基于时间弯折的动态模板匹配方法在步态识别中的应用以及利用动态模板匹配方法实现步态分类的过程。 在对同一步态序列中的两步进行采样时，每一步所采集到的图像帧数有可能不同，即使图像帧数恰好相同，其两个子序列图像所表征的步态状态也不一定一一对应，但同一人在两步的起止点则匹配得较好。而动态时间弯折(dynamictimewarping，DTW)，则是指测试特征序列能在时间轴上弯折，如压缩或伸展，以便能找到与参考特征序列之间的非线性对应，使得在某种准则下误差最小，正好解决了步态状态不能一一对应问题。 采用改进的动态时间弯折方法，在最近邻准则下，对中科院casia库中的人体行走序列进行了训练和检验，识别率能够达到85％，在基于步态几何参数的分类识别中，效果优于隐马尔可夫模型方法。