由于信息技术的快速发展,信息安全和公共安全已经成为人们越来越关心的问题,如何准确有效地识别人的身份已经成为研究的热点。相比于传统的如身份证、指纹、虹膜、笔迹和人脸等识别技术,步态识别作为一种远距离身份判别方式,具有非侵犯性、难以隐藏、对系统分辨率要求低等特点。作为一种新兴的生物特征,步态识别技术具有重要的研究意义和广泛的应用前景,目前关于步态识别的研究尚处于初级阶段,需要研究者继续深入的探索与研究。本文主要开展了以下几方面的研究工作：(1)分析常用的步态检测算法,本文选用简单且运算速度快的背景消减法检测运动目标,运用形态学和连通区域分析处理,去除噪声和空穴,利用人体区域的宽高比值的周期性变化提取周期序列图像。(2)在步态能量图的基础上,提出一种分割能量图的算法。将反映步态运动过程人体区域变化情况的步态能量图分割成两部分：一部分为在行走过程中运动变化不大的区域即静态步态能量图,另一部分为在行走过程中运动变化较大的区域即动态步态能量图,然后用Zernike矩和小波矩分别提取静态和动态能量图中的步态特征值。(3)根据信息融合的思想,提出一种结合步态静态和动态信息的矩特征融合算法。用Zernike矩和小波矩分别提取静态和动态能量图中的步态特征值,由于获得的特征向量维数比较多,所以采用主成分分析法对其进行降低维数处理,然后对降维后的两特征向量进行融合,从而有效地利用了步态序列图像的静态和动态特征。(4)由于步态数据库存在样本数量较少问题,所以在识别过程中采用对小样本有较好识别效果的支持向量机的方法。(5)本文在中科院自动化所提供的步态数据库上进行实验,该数据库同时包括正常行走、携带包裹以及穿大衣等人外形变化的行走状态。实验表明本文算法无论在样本数较少的20人数据库中,还是包含124人较多样本数的数据库中均取得较理想的结果,同时对于不同外形状态的步态行走情况也得到了较好的识别率。