现代社会对于人类自身身份识别的准确性、安全性与实用性提出了更高要求，传统身份识别方法正越来越受到局限。随着生物识别悄然兴起，它逐渐成为了一种新的身份识别技术。其中步态识别是生物特征识别技术的一个新兴子领域。 步态识别主要是通过人体走路的姿势来识别人的身份，近来年倍受计算机视觉研究者的关注。步态识别主要由三部分构成：步态序列图像预处理、特征提取和分类判别，其中特征提取可以说是重中之重，是识别性能的决定性因素，也是本文的研究重点。 本文采用邻帧差分方法提取背景区域，构建背景模型，与当前图像差分，处理后得到人体运动前景图像。然后，提取人体宽度信息，对下肢进行Radon变换，经处理后提取运动角度信息。对所得到的信息进行特征空间变换做降维处理，将特征数据融合，进行训练识别。一种方法是根据人体侧影面积的变化提取出一个周期的特征数据，采用DTW技术进行识别。另一种将压缩后的特征作为观测向量输入到HMM分类器中进行训练，得到每一个训练类别的模型。通过计算待识别样本与库中每一个类别的输出概率，取最大输出概率所对应的人的类别作为其类别标识。 本文中所提出的方法能够捕捉到行人特有的结构和动态特征，有效地降低人体运动时身体自遮挡及影子带来的影响。对运动速度变化有较强的鲁棒性，并且提取角度特征的方法较之模型化方法简单快速。在国际比较通用的两个数据库上进行测试，都取得了很高的识别率。实验结果表明，本文方法行之有效。