随着现代社会对安全的迫切需求,近年来生物特征识别技术以其特有的安全性、稳定性和方便性被广泛地应用于安全、认证等身份鉴别领域。步态识别作为一种新兴的生物特征识别技术,不同于脸像、指纹及虹膜等生物特征对于近距离等条件的苛刻要求,步态可以在远距离低分辨率下检测并度量,且难于伪装和隐藏,没有侵犯性,因此,步态分析在视觉监控、控制、身份鉴定等领域中起着越来越重要的作用。当前步态识别的研究正处于起步阶段,它主要是利用人的走路方式来识别人的身份。本文的主要目的是将视频序列中的步态信息发掘出来,并利用它进行身份识别。围绕这个主题,展开了如下几个方面的研究:首先对步态序列进行预处理。本文通过分析和比较常用的运动检测方法,针对文中使用的步态序列具有背景简单的特点,采用背景减除法实现步态检测;对步态运动的周期性进行分析,并利用人体侧影的宽度信息计算步态周期。然后在步态特征提取方面,基于“行走运动的关节角度变化包含着丰富的个体识别信息”的观点,本文提出一种通过对下肢运动的分析来定位关节点,进而提取下肢关节角度信息的步态表征办法,同时我们选取手臂区域宽度信息作为辅助特征;其中对遮挡帧关节点利用卡尔曼滤波进行跟踪定位,关节点的遮挡问题可以通过关节点跟踪过程中对关节点位置的预测得到解决。最后对隐马尔可夫模型(HMM)进行研究并对应用隐马尔可夫模型的可行性加以分析,提出一种通过分析人行走过程中不同状态下的下肢关节角度信息获得关键帧的方法,本文采用将关键帧作为隐马尔可夫模型的状态,每一帧与关键帧的距离作为观察值的步态建模方案,实现了基于隐马尔可夫模型的步态身份识别方法。使用该方法在CASIA步态数据库上进行了实验,实验结果验证了该方法的有效性。