随着信息社会对安全的要求不断提高，利用生物特征进行快速准确的身份识别成了当今的主流。与传统的身份鉴定手段相比，生物特征识别具有无可比拟的优势，特别是步态识别技术，由于其对系统分辨率要求低、远距离识别、非侵犯性和难以隐藏等特点而倍受计算机视觉研究者的关注，从而成为当前的一个研究热点。为此，本文从步态检测、步态表征、特征分析、步态分类四个方面对步态识别技术展开了研究。其中步态表征和特征分析可以说是重中之重，是识别性能的决定性因素，也是本文的研究重点。(1)本文选用简单快速的背景减除方法进行步态检测，通过对轮廓图像进行形态学后处理来去除小的孔洞和噪声，然后对图像进行归一化处理，并利用轮廓跟踪算法准确地提取了人体步态轮廓。(2)从图像的矩特征角度，探讨了步态的表征，提出了一种基于图像矩特征的步态表征方法。本文提取图像的Hu矩和Zernike矩作为步态特征，为了增加算法的实用性并减小算法的复杂度，通过对Hu矩和Zernike矩的实验分析比较，最后采用离散度和顺序前进法相结合的方法选用最能表征步态特征的Zernike矩中的6个矩作为本文进行步态识别的矩特征。(3)在步态识别阶段，本文提出了一种基于BP神经网络的步态识别算法。针对步态识别领域的特殊性，本文在理论分析和大量实验的基础上设计提出了一个较为有效的BP神经网络结构，采用本文选用的步态矩特征对中科院CASIA步态图像数据库进行训练、识别。实验表明，本文提出的基于矩特征和BP神经网络的步态识别方法能对步态图像进行较好地检测，并获得了较高的识别率。