步态识别是根据人走路的姿势进行身份识别的生物识别技术，与其他的生物识别特征相比，步态具有非侵犯性、难以隐藏和可远距离识别等特点，近年来备受计算机视觉研究人员的关注。人脸、指纹等第一代生物识别特征，要求近距离的接触感知，而作为第二代生物识别特征的步态是唯一可远距离观察、低分辨率感知的生物特征。鉴于步态识别技术具有重要的理论研究意义和应用前景，本文对其进行了深入的研究，并在前人研究的基础上进行了以下的研究工作:　　 ⑴本文根据测试所用的步态数据库的特点，选用算法简单、计算快速的背景减除法进行运动目标检测，通过对检测出来的人体轮廓图像运用形态学后处理来去除噪声和小的孔洞，然后利用轮廓提取算法进行人体轮廓线的提取。　　 ⑵利用步态的静态和动态信息来表达步态特征。因此，提出一种采用不变矩和动态信息融合的步态识别方法。采用改进的Hu矩描述每帧图像的轮廓信息，即静态信息；提取每帧图像的步态幅度长度作为动态信息；然后利用加法融合法则把静态信息和动态信息按权重计算后，再根据图像序列的顺序进行有机连接，这样构成了最后的特征向量。　　 ⑶在中科院的CASIA和UCSD步态数据库上对本文提出的算法进行了实验，对可能影响步态识别率的各种因素进行了分析。实验表明，综合利用步态静态和动态信息所提取的特征具有较好的识别性能，并且具有一定的鲁棒性。通过在两个当前比较流行的步态数据库上的测试，实验均取得了较高的识别率，证明本文提出的算法行之有效。