步态是一种动态演化的行为特征，高效快速的步态识别可有效提高安保的安全性。在视频数据处理方面，通过人体检测和跟踪得到步态的视频序列，选取精确度和信息度高的图像帧进行后续分析和处理，以提高步态识别系统前期数据的精确性和可靠性。在步态识别方面，必须考虑步态识别的需求和环境问题，提取清晰、正确的步态特征，并且设计识别准确率高的识别方法。根据步态识别的特点，本文的研究内容如下：1.研究人体检测技术，在采用背景减除法提取运动目标的基础上，利用人体的方向梯度直方图HOG特征，采用线性支持向量机SVM分类器，检测出人体区域。考虑复杂场景下的人体检测的实时性要求，对混合高斯模型进行改进，通过提高其建模速度，提高人体检测速率。2.采用粒子滤波方法，进行人体跟踪，研究遮挡问题。针对长时间遮挡问题进行分析，对方向梯度直方图HOG特征结合粒子滤波的方法进行改进。通过可信度，来判断当前跟踪人体，决定是否进行目标关联，从而提高人体被遮挡情况下跟踪的准确性。3.针对复杂场景的步态识别中，人体轮廓变化，造成的识别率低的问题，采用多特征融合的方法提高其识别率。包括在步态能量图GEI基础上，采用增强步态能量图EGEI和静态能量图，分别进行特征提取。采用最近邻NN进行识别，最后进行决策层特征融合的研究，目的是提高目标识别率。本文从生物信息识别的研究出发，结合生物学、统计学和物理学等领域相关知识，对复杂场景下的人体检测、人体跟踪和多特征融合的步态识别展开研究，为步态识别系统的实际应用提供帮助。