步态识别是通过对人行走的姿态进行身份识别和认证的生物识别方法。与其它生物特征识别（指纹、脸像、虹膜等）相比，无需接触和干扰被识别人，可进行远距离识别。步态识别作为一种新的生物特征识别技术，近年来引起了计算机视觉领域研究人员的广泛关注。 提出了基于高斯混合输出的连续隐马尔可夫模型（Continuous Hidden Markov Model with Mixture of Gaussians, 简称G-CHMM）的步态识别方法。对步态识别的研究过程分为三个步骤：步态检测、特征提取和分类识别。步态检测是从输入步态序列图像中检测出人的运动姿态。采用快速有效的背景减除方法进行步态检测，经过背景减除后得到步态的前景图像，对背景减除后的前景图像运用形态学算子进行处理，去除其图像中小的空洞和噪声。 对于特征提取，首先用边缘跟踪算法提取出步态图像的边缘轮廓，选取步态轮廓边缘点到重心的距离作为特征矢量提取步态特征。然后通过 -均值聚类算法获得一个步态周期的5个关键帧，利用步态序列每帧和关键帧之间的欧氏距离压缩观测矢量维数，对步态图像中的每一帧得到5维特征矢量。 对于分类识别，采用高斯混合输出的连续隐马尔可夫模型方法。首先利用 -均值聚类法建立初始高斯混合模型，然后采用 Baum-Welch算法对初始连续隐马尔可夫模型（Continuous Hidden Markov, 简称CHMM）参数不断训练求精。利用5个关键帧和训练得到的CHMM参数来表示步态库中每个人的步态序列。最后采用前向算法求出被识别步态序列在步态库中CHMM下的输出概率，取最大输出概率所对应的步态序列作为被识别人的步态序列。 基于上述方法，设计开发了一个步态识别原型系统。在中国科学院自动化研究所提供的CASIA步态数据库上进行了步态身份识别实验，实验结果表明，基于G-CHMM的步态识别方法具有较高的识别率。