随着信息技术的快速发展壮大和应用的普及,利用计算机视觉的技术在图像处理方面和模式识别领域中研究,并对视频图像进行人体运动特征提取与有效识别已成为人们关注的热点问题。计算机视觉技术对人体运动的视频或者图像进行识别是基于对其视频或者图像的序列进行分析处理；对检测出的人体运动目标进行运动特征提取和分类识别,从而达到理解和描述其行为的目的。基于视频图像的人体运动特征分析在智能视频监控、智能接口、虚拟现实等领域有着相当广阔的应用前景。人体运动特征的提取与识别需要结合生物识别技术来识别和判断运动中人的行为、区别个体身份。所谓生物识别技术,其具体操作就是利用人体与生俱来的生物特征进行个体身份认证,最显著的特点是具有不变性和唯一性。人体运动特征包括：肢体摆动特征,步态特征,人体轮廓投影特征,人体对称特征等,其中从视觉监控的角度来看,步态特征是远距离场景条件下最具有代表性最典型的人体运动特征,近年来备受关注,同时也涌现出大量富有意义的步态识别算法。运动特征识别分为运动目标检测、运动特征提取和分类识别三个模块。本文在对各种运动特征识别算法进行分析思考的基础上,详细地研究了运动特征提取和分类识别这两个模块,提出了改进后的新算法。本文所从事的主要工作和获得的研究成果包括：1.提取了具有代表性的人体运动特征。由于人体运动分为许多种,而且会受到多种复杂外因的影响,若使用单一特征进行识别则识别率很低,所以本文以最简单的人体行走运动为研究对象,将人体行走时的静态和动态特征有机融合用来识别个体的身份,提出了一种简单而高效的改进算法。人体行走的身体轮廓是特有的,具有唯一性,是运动时的静态特征。同时人在行走运动中会带动上百处肢体的同步运动,人体的这些肢体角度包含了大量的运动信息,用于描述人体动态特征,可以很好的表示人的身份,并且容易与其它特征相结合。本文通过上面-系列分析,提出一种改进算法,使用Hu的七个不变矩来表征人体的运动轮廓特征,然后利用行走时的几何特性计算出肢体的运动角度,用来描述其动态信息,最后将两种特征融合,共同识别人体身份。2.深入研究了分类识别算法。将运动人体轮廓特征和肢体关节角度特征有机融合起来去识别个体身份是本文的目的所在,然而由于这两种特征的度量尺度和特征类型不一致,故需要采用最近邻模糊分类器,这种分类器的结构实质上是将多个简单分类器进行并联融合。此处,首先将不同的权值分配给不同类型的特征,这样操作的依据是不同种类特征在识别过程中的可信度不同,然后采用适当的决策算法进行分类识别,使分类识别环节得出的最终结果更加准确。通过实验验证,本文所改进的算法获得了比较好的识别效果。