现如今人们的生活已经被飞速发展的互联网技术和电子技术深深的影响,在一些场合对人们身份认证识别的准确性以及安全性提出了更加严格的要求,这也是为什么现阶段生物识别技术受到了人们如此广泛的关注。利用生物识别技术来识别人的行为和区别人的身份是一种新的趋势,步态识别技术作为新兴起身份识别技术的一种具有独特的优势,主要是由于步态受到先天因素和后天习惯的影响,具有相对不易模仿、伪装、稳定性和特定性等优点。人体检测、特征提取和行为识别是对人体行为识别过程中的三种主要流程。本文所采取的方法重点是依赖于特征提取和行为识别,以这两大方面为基础,提出了相应的改进算法。通过可穿戴式测量仪器,进行步态信息的采集,提出了一种添加频率信息与其他特征相融合的方法,能够准确地进行运动状态的聚类。人体行为并不只有单一的行为,而是一段时间的运动过程。通过对运动过程的分析与决策,发现步态识别能够很好地应用于生物特征识别领域中。本论文主要是基于单片机和FSR402传感器组成可穿戴式鞋垫,对步态信息进行采集,并通过改进聚类算法的核函数参数对人的运动状态进行聚类,可以在未知运动状态下有良好的聚类效果,并以此为基础实现行为识别特征提取的一种方法。由于个体的差异性,所以人体行为过程中运动状态的阈值是因人而异的,在进行行为决策时,通过结合机器学习算法将特征与训练样本进行匹配,对人体行为过程进行分析和决策。