生物特征识别技术是基于人的生理特征或行为特征进行人的身份鉴别的技术。步态识别作为一种新兴的生物特征识别技术，与其他特征识别技术相比，具有可在远距离下检测并度量，且难于伪装和隐藏等特点。一个完整的步态识别系统通常包括运动检测，步态特征提取，基于步态特征识别分类等几个步骤。本文研究的主要内容包括人体步态轮廓图的提取及后期的图像处理，步态周期检测，步态特征的提取和步态分类。 本文的主要贡献是将非负矩阵分解算法应用于步态识别。NMF（非负矩阵分解）算法是一种较好的特征提取和数据降维方法，已经成功应用到人脸识别和文本识别的数据分析中。而步态识别研究突出的特点是需要处理的数据量大，维数较高。本文首先归纳总结了当前主流的运动检测算法，并采用经典的背景减除法获取步态轮廓图；然后对传统的步态周期检测算法进行改进，获得更为准确的步态周期，选取一个步态周期中的四个关键步态图像帧，提取出步态轮廓线。把步态轮廓线转化为一维的距离矢量信号形成步态特征矩阵；最后将NMF算法引入应用在步态特征数据的处理中，利用其降维特点压缩特征矩阵。形成一套包含步态轮廓图获取，步态周期检测、步态特征提取及识别分类的框架，这种框架十分有效可行，且运算复杂度低。