步态触觉信息包括足迹信息和足底动态压力分布信息等,其中蕴含着步态周期、双支撑时间、摆动时间、速度等丰富的生理学、运动学、动力学特征,在临床辅助诊断、步态识别、步态分析、体育科学等诸多领域得到广泛应用。足底压力数据的获取方法主要有足印法、光切法、压力鞋垫法和测力台法等。中科院智能机械研究所研制了大面积柔性力敏传感器具有高点阵密度、高精度、高频响等特征,并以此构建了数字化场地系统。目前以数字化场地系统为基础研究平台,开展了关于帕金森步态分析、健美操舞蹈动作编排等的研究工作。其中单步足迹数据的准确分割、单步足迹的动态识别是开展上述研究工作的技术关键和瓶颈。本文提出了一种基于步态触觉信息的足迹提取和足迹动态识别方法。详细介绍了如何对大面积柔性力敏传感器获取的足底压力数据进行分析解算,包括足底压力数据滤波、单步足迹压力数据提取和单步足迹动态识别三部分。本文完成的工作有：(1)基于柔性力敏传感器的单步足迹数据提取和单步足迹动态识别方法。主要包括足底压力数据滤波、单步足迹压力数据聚类分割、单步足迹动态识别。其中足底压力数据的聚类分割是基于足底动力学原理,利用连通域的图像分割算法实现对足底压力数据的聚类分析；基于足部解剖学原理,根据足印轮廓的外观特征对单步足迹进行识别。实验表明,在正常的行走情况下,本文提出的单步足迹数据提取算法的准确率达到了99%,本文提出的单步足迹动态识别方法的识别率达到了97.5%。针对健美操的单步足迹提取,本文的算法准确率达到了95%。(2)步态特征参数计算和行走过程步态周期模型和位移模型的建立。步态特征参数包括步态时间参数、空间参数和足底压力分布等,建立的行走过程步态周期模型和位移模型用于行走轨迹跟踪和速度计算。(3)足迹提取和识别方法的应用。本文从对称性、静态平衡和动态平衡三个方面对正常人和步态异常患者的平衡能力做了相关分析,并利用交叉验证的SVM实现了正常步态和异常步态的分类。从实验结果看,利用本文参数计算的平衡能力系数能够较好的反映正常步态和异常步态之间的差异性,能够较好的实现正常步态和异常步态的分类识别。