步态识别是生物特征识别技术中的一个新兴子领域,旨在根据人们行走或跑步的方式确定其身份。由于步态是目前技术条件下较易远距离感知的生物特征,随着安全敏感场合对视觉监控系统的迫切需求,步态识别研究受到了广泛的关注。步态识别主要针对含有人的步行运动图像进行分析,其关键是寻找合适的步态特征及分类方法,须融合计算机视觉、模式识别以及视频/图像序列处理等多种技术。围绕这个主题,本文对视频序列的步态特征提取、识别和评价进行了探索性研究,主要有以下几部分工作:(1)讨论了人体轮廓的特征表达方法。运用邻域边界跟踪算法提取了人体轮廓,经对该轮廓进行重采样和归一化处理,提取了边界中心距,为减小运算量,对边界中心距进行了小波描述,进而使用小波描述子特征来表达步态信息;基于数学形态学算法建立了人体骨架模型,从骨架中提取人体的动态参数(如运动过程中的关节点位置和肢体角度)来表达步态信息。(2)利用人体轮廓宽度信号的周期性变化来划分步态周期,并将此参数作为步态分类识别的基本单元,提取了周期极大值点作为关键点及其特征参数。(3)采用了支持向量机(SVM)作为分类器和提取的两种特征参数(小波描述子和人体骨架模型)在不同样本数的数据库上进行了人体身份识别,并比较了这两种特征识别性能的优劣;运用融合算法进行了多特征、多视角融合实验,证明了多特征、多视角融合的识别性能优于单一特征、单一视角方法。(4)分别引入正确识别率(Probability of Correct Recognition, PCR)和累积匹配分值(Cumulative Match Scores)来评价步态识别性能。目前,基于步态特征的身份识别研究与应用正方兴未艾,本文研究成果将为这项技术的发展起到一定的探索作用。