步态是人走路时所表现出来的姿态,是一种复杂的运动过程。步态识别技术是一种新兴的生物识别技术,通过对人体行走方式进行客观地记录并对其进行有效的评估及分析,旨在通过生物力学及运动学手段进行身份识别或者生理、病理及心理特征检测。相比于传统的生物识别技术,步态识别具有非侵入性,难以隐藏及模仿性等优势,随着计算机视觉领域的研究不断深入,其成果已广泛应用于生物识别、安防监控、康复机器人等领域。本文采用了Kinect2.0传感器作为实验设备,重点介绍了基于确定学习理论的步态识别系统的设计与实现,并研究了步态对称性的相关内容。确定学习理论,是一个在未知动态环境下利用径向基函数(Radial Basis Function,RBF)神经网络实现对知识获取、表达、存储和再利用的机器学习新理论。它能够对具有周期性等回归轨迹的系统进行局部准确的辨识,并将过程中学习到的动态知识以常值RBF神经网络权值的形式保存起来。之后,利用常值RBF神经网络构造一组动态估计器用以表征训练模式,产生一组误差作为待测模式和训练模式之间相似度的衡量标准,最后根据最小误差原则将测试模式快速识别出来。本文基于确定学习理论,在前人的工作基础上进行了步态识别系统在实际应用中的探索和研究。主要设计并开发了实时步态识别系统,尝试采用Kinect传感器作为步态特征提取的新方法,在此基础上结合了MATLAB GUI及C#GUI设计了实时步态识别系统,系统主要功能包括步态骨架流数据采集、数据滤波、步态学习训练、步态在线识别、步态三维动力学图显示以及残差分析等功能,实现步态特征自动提取及识别结果在线获取的功能,通过自建数据库验证了步态识别的准确性和快速性,证明了系统的工程应用价值。并对步态对称性量化方法进行了研究,采用确定学习理论对步态对称性进行量化,基于步态识别系统中的残差值,保留实验数据所包含的动态信息与静态信息,设计了慢速行走、常速行走、快速行走、负重行走、左右脚不同鞋行走、故意不对称行走等实验场景来比较人体左右下肢的步态对称性差异,提出了一种新的步态对称性度量手段。