步态识别是根据人的步态特征进行身份识别的一种新技术，是生物特征识别技术中的一个新领域。步态识别可以实现远距离感知生物特征，由此具有非侵犯性、非接触性、易感知性、难以隐藏和不易被察觉等特点，而且步态特征是低分辨率情况下唯一可感知的生物特征，因而在安全安防领域受到了广泛推广和大力研究。　　步态识别主要是通过对人的运动图像进行处理分析，一般包括三个部分，目标分割、特征提取和分类识别。本文着重研究高识别率的步态识别方法。在研究中融合了机器视觉、模式识别以及图像/视频处理等技术。本文进行了步态图像序列的检测，特征提取以及识别等相关问题的研究，主要分为以下几部分工作：　　（1）结合计算机视觉中的视角转换方法，对自己设计拍摄场景得到的步态视频进行视角规范化。该组步态数据库中包括了6个人的步态视频，并分4个不同角度拍摄得到。将视频转换为图像序列后，利用形态学方法对得到的图像进行处理，然后利用转换公式对每一幅图像进行转换。　　（2）利用人体步态轮廓的脚步宽度信息的周期性变化来确定步态周期，并由此周期得到一个周期内的步态能量图。　　（3）引入了小波矩和Zernike矩两个矩特征，利用支持向量机（SVM）作为分类器分别对两种特征在中科院自动化所提供的步态数据库（CASIA）进行分类识别。并融合两个矩特征，利用SVM在同样的CASIA数据库中进行分类。比较分析试验得到的多组数据。　　（4）引入加强步态能量图，2DPCA方法提取特征向量，并采用最近邻域法进行分类，也得到了不错的识别率。　　本文所研究的步态特征及识别方法，取得了非常高的识别率，保证了步态识别在生物特征识别中的可靠性，是一个有效的步态特征识别方法。