生物特征识别是身份鉴别技术的一种,人们对安全性问题越来越重视,使得生物特征识别技术得到深入的研究。在远距离的情况下,由于指纹、人脸等生物特征的接触性感知,所以将无法使用这些生物特征,而步态则弥补了这个缺点,在视觉监控领域,步态识别具有明显的优势。首先对步态进行预处理。通过分析、比较常用的运动检测方法,本文采用背景减除法实现步态序列的检测;对步态运动进行周期性分析,并利用脚尖运动轨迹的信息计算步态周期;然后,基于“人体的下半身提供了较多的步态信息”[1]观点,提出了基于脚尖运动轨迹的步态特征识别方法。对每个步态序列,手动提取脚尖的坐标,进而得到一个脚尖运动序列,并对归一化后的脚尖相对速度进行小波包分析,提取不同频率段的信号归一化能量作为特征矢量;使用支持向量机(SVM)实现步态的分类识别。最后,利用特征融合的方法,在决策层上融合小腿的关节角度特征,有效地解决了单个特征对特征描述不完全的问题。融合过程中,Dempster-Shafer证据理论(简称D-S证据理论)的使用,使得步态特征得以充分发挥其互补性。CASIA数据库上的仿真结果表明,本方法的识别率达到90%,明显高于基于单一特征的识别方法,说明这是一种有效的识别方法。