随着智能化程度的逐步深入,公共场合的安全形势日益严峻,如何确保公共安全成为人们关心和瞩目的焦点,而有效的身份识别技术则是确保公共安全的关键。生物特征以其安全、稳定、可靠等特点广泛应用于智能监控领域,较之于人脸、指纹等,步态以其非侵犯、远距离、难以隐藏等优势受到了大批研究者的关注。近年来,多视角下的步态识别问题一直是步态识别研究的一个热点,因此本文在多视角的背景下,重点研究了步态特征的提取以及视角归一化问题。本文完成的主要研究工作如下:首先,采用背景差分法完成目标的提取。针对目标图像中含有噪声及不连通等问题,对其采用形态学方法进行去噪,并进行连通区域分析来获得较完整的二值化步态图像。由于步态是一个周期性的运动,一个周期内的步态变化更能反映人体的运动特性,因此本文根据步态轮廓宽度变化来检测步态周期,并对步态图像进行标准化处理。其次,人体的步态图像序列不仅含有静态的步态信息,同时相邻步态间的变化也隐含了丰富的动态信息,而常用的步态能量图和步态帧差能量图只考虑了其中的静态信息和部分动态信息,因此本文将刻画不确定性的熵引入到步态帧差能量图中,提出采用步态帧差熵图刻画步态特征,再采用最近邻分类法完成分类识别。最后,针对多视角步态识别过程复杂、计算量大等问题,本文提出基于低秩优化的视角归一化方法进行步态识别。在步态特征图像的基础上,将任意视角下的步态特征图像采用秩优化的方法归一化到秩最小的视角,再采用最近邻分类法进行跨视角下的识别验证。实验结果表明,本文提出的步态帧差熵图的识别率要高于步态能量图和步态帧差能量图,而基于步态帧差熵图的视角归一化步态识别方法也在一定程度上提高了跨视角下的识别率。