步态识别是一种新兴的生物特征识别方法,旨在根据人体走路的姿势进行身份识别。步态识别与其它生物特征识别技术相比,最大的特点是能够进行远距离识别。通常,步态识别包含步态检测、步态表征和步态鉴别三个方面。本文对步态识别的各个环节进行了尝试性的研究,并提出了一种基于角度统计特征的步态识别方法。对步态识别当中的图像序列预处理算法进行了深入研究,采用最小中位数方差法建立背景模型,弥补了平均值法建立背景模型时需要较多帧数的不足；采用间接差分法能更好地选择阈值进行二值化,对图像进行镜像处理使得不同行走方向的步态轮廓之间具有可比性。提取角度统计特征,为步态识别提供了一种新途径。用统计学的方法,等角度间隔地计算归一化步态轮廓图像各像素点至质心距离的均值与方差,并用其构造步态识别的特征向量。与提取步态轮廓图像边界特征的方法相比,该方法具有算法简单,运算速度快,无需建立复杂的数学模型等优点。比较了模拟退火算法和遗传算法两种随机搜索算法的特征选择效果,由于后者迭代次数相对较少且特征选择效果相对较好,最终采用遗传算法作为特征选择算法。分别采用K-近邻分类器、BP神经网络分类器和SVM分类器进行步态鉴别实验,均获得了较好的鉴别效果。以MATLAB7.5为平台,以中科院自动化研究所提供的CASIA数据库为样本进行了大量实验,实验结果表明角度统计步态识别方法具有较好的识别性能。