1、當(dāng)今世界紛繁復(fù)雜，各種場合對安全的需求也越來越高。安全、有效、唯一等等得天獨厚的優(yōu)勢使得生物特征識別技術(shù)逐漸被人們所重視。而根據(jù)人行走方式的不同來進(jìn)行身份識別的步態(tài)識別則是一種新興生物特征識別技術(shù)。由于具有其它生物特征識別所無可比擬的隱蔽性、非侵犯性和對圖像分辨率要求不高等優(yōu)點，在視覺監(jiān)控領(lǐng)域有著廣泛的應(yīng)用前景。
　　 步態(tài)識別過程主要由步態(tài)圖像預(yù)處理、特征提取和分類識別三個部分組成。其中步態(tài)圖像預(yù)處理就是通過背景建模、前景檢測

2、和形態(tài)學(xué)后處理等工作，從輸入序列圖像中檢測運動目標(biāo)，這是后續(xù)特征提取和目標(biāo)分類工作的基礎(chǔ)，有很重要的意義。而特征提取是決定識別效果的決定因素，是重中之重，也是本文研究的重點。
　　 本文針對側(cè)面視角條件下提出了兩種提取特征的步態(tài)識別方法。其中之一基于Radon變換，將用于直線檢測的Radon變換推廣到特征空間的建立上。根據(jù)人體運動特性，將運動人體時空不變的身體結(jié)構(gòu)參數(shù)和隨時空變化的動態(tài)參數(shù)結(jié)合起來，構(gòu)造一個周期的特征向量模板。其

3、后運用主成分分析(PCA)降降低特征空間維數(shù)，提取特征主向量。另一種方法利用反映動態(tài)信息的各個對象步態(tài)能量圖(GEI）的標(biāo)準(zhǔn)差為動態(tài)權(quán)值掩模(DWM)，通過校準(zhǔn)后與GEI做Hadamard積，從而得到動態(tài)信息增強(qiáng)的步態(tài)能量圖(EGEI)，這幅圖像不僅保留了輪廓、頻率、相位等步態(tài)信息，而其一定程度上解決了遮擋問題。再運用結(jié)合了行方向與列方向的二維主成分分析((2D)2PCA)來計算訓(xùn)練和測試樣本的主元分量，得到對識別貢獻(xiàn)最大的特征向量矩陣

4、。
　　 單一的步態(tài)特征對步態(tài)的描述存在局限性，本文抓住不同步態(tài)特征在識別時能夠提供互補(bǔ)信息這一關(guān)鍵，采用基于計分規(guī)則的方法，在決策層對兩種特征的信息進(jìn)行了融合。
　　 實驗采用CASIA步態(tài)數(shù)據(jù)庫中包含124個對象、3種行走條件的Dataset B，從以上算法的識別性能進(jìn)行測試評估。結(jié)果表明本文提出的通過增強(qiáng)能量圖來提取特征的算法對衣著變化和攜帶物的影響具有很好的魯棒性。將兩種特征信息通過合理的規(guī)則進(jìn)行融合對提高識別性