步态识别根据人走路的姿态进行身份识别,是一种生物特征识别方法。与其它生物特征识别技术相比,步态具有非接触和难以隐藏等独特优势,而且它是在远距离情况下可感知的生物特征。随着安全敏感场合对智能监控系统要求的提高,步态识别技术已经引起了广泛的研究兴趣。步态识别主要由步态轮廓分割、特征提取和分类识别三部分组成,本文的研究内容包括以下几方面:①针对步态图像序列的特点,提出了一种根据背景象素点灰度值的概率分布的步态轮廓分割算法。对每个序列而言,步态轮廓是随时间变化的。分别建立每个象素点灰度值在时间轴上变化的统计模型,采用假设检验来获取运动目标轮廓。实验表明,本文算法不仅能够提取出完整的人体轮廓,并且能有效地去除噪声,对阴影抑制也有一定效果,能够提高步态识别率。算法直接在RGB空间或灰度空间进行,无需进行颜色空间转换,也无需建立单独的背景图像,计算量小,处理实时性高。②在步态特征提取方面,将时变的二维轮廓形状转化为对应的一维宽度向量,将人体宽度向量作为步态特征。直接以原始宽度向量作为特征向量进行识别数据量庞大,维数很高,处理复杂。分别采用主成分分析(PCA)方法和有监督的局部流形嵌入(SLLE)方法将特征向量维数由201维约减到14维和19维。两种特征维数约减方法互为补充,在低维空间较好地保持了高维步态特征的内在结构,并且提高了算法运行效率。③采用k-近邻分类器进行分类识别,并采用贝叶斯多分类器融合规则融合主成分分析(PCA)方法和有监督的局部流形嵌入(SLLE)方法约减后的特征信息。实验证明,融合多分类器信息比采用单一分类器信息获得了更高的识别率。