由于现代社会对安全需求的提高，生物特征识别技术得到了广泛应用，步态识别是一种新兴的生物特征识别技术，旨在通过人们走路的姿态进行身份识别。相比其他特征，步态可以在被识别对象不知情的情况下获取、难以伪装，其优势非常有吸引力。但是步态容易受到其他因素的影响，从而影响步态的正确判别。其中步行速度是最常见的因素，速度变化广泛存在于步态数据中，本文针对速度的变化进行了研究，采用了基于整体的步态识别的方法，实现了一种在不同速度的步态特征之间进行转换的方法，并对方法进行了实验分析。本文的主要工作如下:　　 首先，本文采取了一种基于人体步态轮廓序列中人体轮廓边界盒长宽比变化的方法对步态周期进行了较为准确的估计并对步态轮廓序列进行了准确的划分，并据此从序列中提取了步态能量图作为步态特征，将对轮廓序列的处理转换到了对步态能量图的处理上。　　 然后本文基于奇异值分解的速度特征转换模型，提出了将步态能量图按区域特点分块和转置的方法，实现了从引用速度下的步态能量图合成目标速度下的步态能量图。经实验发现转置的处理可以使合成图像中的噪声点大大降低，原因是在人体步行时，四肢在水平方向上的运动幅度要远远大于在垂直方向上的运动幅度，转置的处理和速度特征转换模型的结合可以使得合成图像的噪声呈现水平分布的趋势，降低了噪声的影响力，间接使得目标速度下的合成步态能量图更符合人体运动规律。　　 最后本文分别实现了不同速度的步态样本之间的匹配和分类识别，在步态数据库上进行了实验，并采用等错误率和识别率分别对匹配和分类识别的结果进行了评估，在不同的子数据集上分别对匹配和识别的结果进行了分析与对比。实验中还和另一种相似方法的结果做了对比，发现匹配时本文的实验结果和这种方法在总体上相近，而识别时本文方法的识别率有一定程度的提高。