随着普适计算和无线通信等技术的不断发展,体域网已广泛应用于体育训练、医疗诊断、社会保障等各个领域。在体域网研究领域中,人体步态识别已经成为一个热点,可以帮助计算机感知人体步态并理解相关含义,进而为游戏娱乐、医疗监测和运动辅助训练等具体的研究课题提供基础服务。目前的人体步态识别方法通常使用加速度计采集加速度数据,并使用滑动窗口技术分割数据,在此基础上从分割好的数据中提取特征以实现步态识别。这些步态识别方法存在一些不足:加速度数据易受重力加速度的影响,识别步态的种类较少,且无法识别人体转向的变化;滑动窗口技术难以基于不同步态的动作周期划分数据,需处理重复数据,计算量大,且实时性较低。本文所设计的基于事件驱动的步态识别方法弥补了以上不足:通过角速度数据和加速度数据结合识别步态行为,增加了可识别的步态种类,并且通过四元数来识别人体转向的变化;采用了一种基于事件驱动来分割数据的方法,通过寻找步态事件对应的关键特征来检测步态行为,并根据步态周期分割数据,不需要处理重复数据,计算量较小,实时性较高。该步态识别方法从分割好的数据中提取出19种波形特征和行为特征,从而识别步态行为。本文根据基于事件驱动的步态识别方法设计并实现了一个步态识别系统。该步态识别系统可以识别15种日常生活中常见的步态行为。经过测试,本文设计的步态识别系统识别不同步态行为的平均准确率达到了96.8%,而识别不同被测对象步态行为的准确率范围为96.4%~97.6%。该系统具有识别步态种类较多、识别准确率较高的优点。