步行是人体在日常生活中一种常见的行为,人体在步行过程中所呈现的特征具有重要的研究价值。步态分析就是对人体的步态特征进行研究,其成果已被广泛应用于生物动力学、临床医学、仿人机器人、康复机器人、生物识别等领域。本文选用体积小、价格低廉、使用简单的Kinect传感器作为实验设备,采集人体骨骼流数据,研究了步态识别和步态对称性两个内容。首先,本文针对不同人体在同一路况下的步态进行了识别,利用Kinect传感器获取人体的20个三维骨骼关节点数据构建协方差矩阵,表示在人体行走过程中各个关节点之间的联系。通过K近邻分类器,计算测试数据与训练数据之间的协防方差矩阵相似度进行步态识别。实验设计两条路线,11名实验者参与,4种组合的平均识别率达89%,这说明所提出的方法对行走路线的不同具有鲁棒性。而后,本文利用PCA重构技术,用人体左下肢的运动信息重构右下肢的运动信息,并与原始的右下肢运动信息进行比较,结果表明,健康人体的下肢步态信息是对称的。在此基础上,针对偏瘫或截止患者在健康时的下肢步态信息往往没有被记录下来的问题,提出了一种平均步态模型,即利用健康人的平均步态信息去重构某一患者的步态信息,并论证了该模型的合理性。最后,本文利用一种基于符号的方法对步态对称性进行了量化。用线性分割的方法把数据分割成分段以保留数据的动态信息和整体形状,提取特征进行分类后,根据类别对每个分段进行标号。接着建立时期直方图,利用基于符号的对称性指标在正常节奏行走、放慢节奏行走、故意不对称行走三组实验数据上进行对比分析。通过步态分析可以获取人体物理和认知状况的重要信息,本文重点研究了步态分析中步态识别和步态对称这两个内容,根据所提出方法模型设计实验获取骨骼流数据,并进行了详细的讨论分析,验证了模型的合理性和可靠性,取了良好的实验结果。