现如今,视频监控行业发展迅速。大量监控摄像头带来了数据量的增加,由此出现检索困难,实时响应差等问题。对视频监控内容进行智能化分析越来越重要,其中,视频中行人目标身份识别在刑侦检索、自助服务等方面起到非常重要的作用。步态识别通过行走姿态实现身份识别,无需人为配合且适应较远距离。要将步态识别技术应用到视频监控中,首要任务是获取行人的步态特征表达,需要解决在复杂监控场景下获取行人有效步态特征问题。因此,针对视频监控下的步态特征提取,需要解决两个问题:特征表达选择及获取和复杂背景环境下步态特征的提取。首先为了避免环境颜色、光照、拍摄角度等因素对识别的影响,结合步态识别领域采用的研究对象的广泛性,选取步态轮廓图序列或步态模板作为步态特征表达,将特征提取转化为行人前景和背景区分问题。然后提出使用传统的背景建模方式进行处理,针对其存在的问题,提出深度学习语义分割结合检测和人形快照匹配的方式进行人形图像分割,以提取步态特征。最后通过集成步态识别算法,验证提取的步态特征的有效性,并通过实验对提取方法的有效性进行验证。实验测试结果表明,利用提取的步态特征,步态识别算法能准确的识别出再次出现的目标,且系统对于不同环境下的监控视频,均能有效的提取行人步态特征。在系统运行速度上,采用的模块通信模式和批处理实现对运行速度有一定的提升。