公共安全一直是人们关注的重点问题,身份鉴别作为安全保证的关键一环已成为当下研究的热点,而准确的身份识别则是其核心技术。步态识别得益于其远距离、不需要接触、对视频设备要求低以及不易伪装等特点,已经成为大量研究人员研究的方向。在步态识别的相关研究中,基于轮廓特征的方法因为其运算量小、对图像质量要求不高等优势成为了近年来的研究重点。本文在轮廓特征的基础上,重点研究多轮廓特征的融合问题。首先,从视频图像中完成目标提取。采用背景减除法从图像中提取目标轮廓,并对图像做二值化处理,采用形态学方法进行去噪处理,以此得到目标图像。考虑到步态是一种周期性的运动行为,本文利用目标轮廓宽度的周期性变化,计算出目标的步态周期。将得到的目标图像进行标准化处理,在一定程度上减小摄像头拍摄距离不同对识别造成的影响。其次,图像中目标的轮廓包含了大量的步态信息,并且可用于识别的特征有多种。针对单一特征包含信息不完整的问题,本文提取了轮廓的关键距离特征,轮廓宽度特征和小波特征等三类特征并使用最近邻分类器进行分类识别,在90。视角下三类特征取得了 70%、73.33%和91.67%的识别率,最后将三类特征进行融合识别,识别率达到98.33%,同时在其他视角下也有90%以上的识别率。最后,针对在目标的外轮廓上提取的特征包含轮廓动态信息较少的问题,本文提出基于动静态特征融合的步态识别算法。首先分别对步态能量图进行降维和求均差,然后将小波特征与其融合,最后采用最近邻分类器进行识别验证。融合后的特征不仅在多视角下具有良好的表现,同时对不同的行走状态具有鲁棒性。实验结果表明,本文中特征融合后的识别效果明显好于单一特征,而补充了内部信息的步态特征识别效果也优于单一的外轮廓特征,同时对角度、衣着和背包等影响因素具有一定的鲁棒性。