安全敏感的场合对智能监控的需求的提高,常常需要从远距离来进行人的身份识别,希望依靠认证技术来提前预警,从而有效地扼制危险的发生。步态识别是目前唯一一项能做到远距离身份识别的技术手段。它的目的在于根据人们走路的姿势进行身份识别。步态识别优于其他的生物特征识别技术,在于它可以不让研究对象觉察的情况下得到其步态特征,具有非侵犯性、非接触性、对系统分辨率要求不高、远距离、难以伪装、受环境影响小等优点,因此引起了研究者的浓厚兴趣。本文主要研究视频图像获取,人体检测与分割,特征提取方法以及识别等相关问题。主要工作如下:对现有的知名的研究机构建立的步态数据库作简要介绍。并建立我们自己的步态数据库(HEU),该库包含4个人,每人8个行走方向的以一定倾角俯视楼下的被观察者的视频序列。在人体检测与分割问题上,分别采用光流法、帧间差分法和背景减除法做对比试验。鉴于各种运动检测算法的有效性和复杂性,最终确定采用背景减除法进行行人的检测与分割。针对室内环境采用直接差分的背景减除方法,而室外环境则采用背景实时更新的背景减除方法。用数学形态学填补二值化图像的空洞;再进行单连通的运动分析,提取人的侧影。为了消除图像尺度对识别的影响,运用形态学操作和图形几何变换实现了图像的标准中心化。特征提取是步态识别的关键因素,因此也是本文的研究重点。利用线性插值法,通过模板构造来刻画步态的结构和动态特征,将离散的步态序列模拟成真实的连续步态,采用一个单独的向量或矩阵来表征一个步态序列图像的特征,从而避免了识别时的动态时间规整的复杂过程。详尽地分析了经典主成分分析(PCA)、二维主成分分析(2DPCA)、完全二维主成分分析(C2DPCA)以及一般的矩阵低秩估计(GLRAM)方法等降维方法,结合实际提取的特征的形式,提出了三种简单而且有效的算法:基于线性插值的单一角度投影结合主成分分析、基于线性插值的组合角度投影结合主成分分析以及基于线性插值的FanBeam映射结合一般的矩阵低秩估计。为了验证特征提取的有效性,在识别阶段均采用最近邻分类器进行测试识别。采用投影的方法的优点在于所提取的特征维数较低,计算量较小,但是也存在其缺点就是识别率不高。组合投影由于特征相对多一些,因而较单一投影的效果好一些。并且通过实验得到结论:特征模板的Q(w,t)中的w=5pi/16T时均能获得最佳的识别率。即使采用0°、45°、90°和135°这四个投影角度的组合提取到的特征也是相当有限的,为了能充分地尽可能多的提取特征,采用基于FanBeam映射结合一般的矩阵低秩估计算法。首先权衡了FanBeam映射处理时间以及效果和FanBeam重建的效果,通过实验确定了FanBeam映射的参数。由于FanBeam映射提取到的特征的维数相对来说比较大,选择了GLRAM算法做进一步的降维处理。通过实验验证了该方法最优的参数选择为:w=5pi/16T、D=49、s=2。在CASIA(B)的侧面数据库上的识别率为0.8871;而且GLRAM仅仅只需要迭代一次即可。在我们自己建立的HEU库上实验获得了100%的识别率。