步态是指人的行走方式,由于其远距离、非接触性、难于隐藏和伪装等特点,被认为是远距离情况下进行智能视觉监控的最具潜力的生物特征。步态识别是指根据人的行走方式来识别其身份,近年来引起了计算机视觉研究者们的浓厚兴趣。步态识别技术的研究可以促进计算机视觉和模式识别理论的发展,具有重要的理论意义；步态识别技术在安全敏感场所的视频监控、特殊场合的访问控制、辅助破案等方面也有着广泛的应用价值。基于视频的步态识别技术的研究对象是包含人体运动的步态侧影图像。由于相机抖动、光线变化、遮挡等噪声的存在,使得检测到的步态侧影质量较低。因此,本文不考虑从单帧侧影中进行特征提取或匹配,而是对一定时间间隔内的所有步态图像进行统计分析和处理,将人体姿态的时空变化特性用某种统计值来代替,本质上属于统计步态识别方法。本文的研究目的在于提高步态识别算法的识别性能和校验性能,促进步态识别技术朝着实用化的方法发展。本课题的研究得到了国家自然科学基金(编号60675024)的支持。本文的研究成果与创新点主要包括：1)为了解决步态侧影图像质量低劣的问题,提出了一种基于概率模型的步态侧影修复算法,专门用于修复残缺的步态侧影图像。首先对所有步态侧影图像进行质量评估,自动检测出质量不高的图像；然后利用训练好的个体模型对需要修复的侧影进行序列内的模型修复；若依然存在质量较差的侧影,再利用群体模型对其进行修复。实验证明经修复后的侧影不仅质量更高且能提高算法的识别率。该算法的特点在于仅对需要修复的侧影进行更新,而且更大程度上进行的是一种自我修复,因增强了类内相似度而更利于分类。2)以序列的均值形状为基础,本文提出了一种基于形状上下文的统计步态识别新方法。引入形状上下文描述子来表征均值形状上采样点的分布情况,得到的归一化直方图分布是一种信息量丰富的步态特征,称为形状上下文矩阵。为了减少点匹配带来的计算负担,本文通过设置统一的初始采样点及循环移位操作来实现采样点间的快速匹配。实验结果证明,引入这种新的形状描述方法可以带来算法识别性能上的收益。3)以步态序列的均值形状为基础,本文还从形状在参考点处的局部走向和发展趋势着手,提出了一种基于切向角特征的统计步态识别新方法。计算均值形状上所有采样点的切向量在向量空间中所对应的角度值,即可得到切向角步态特征TAF。利用局部切向差距离来计算任意两个TAF之间的相似性,并用最简单的标准分类器实现步态识别。实验结果表明该方法能获得较好的识别准确率。4)以步态序列的均值侧影为基础,提出了一种基于虚拟GEI的步态识别算法。对GEI进行位平面分解,并将所有位平面按某种权值进行加权组合可得到GEI的结构图像和细节图像,分别代表GEI的结构信息和细节信息。在复数空间中表示结构图像和细节图像,便得到虚拟步态能量图VGEI。结合复空间中的广义PCA变换对VGEI进行降维处理,得到低维的步态特征表达。经典的欧氏距离被用来计算不同步态特征之间的相似性,NN分类器被用来完成目标分类。实验结果验证了基于VGEI的步态识别算法的有效性。5)以均值侧影为基础,提出了一种基于纹理分析的步态识别算法,从纹理分析的角度提取GEI的纹理特征来实现步态识别。提取的纹理特征包括局部变化幅度、局部标准差和局部熵等。采用相应的局部变化幅度图像、局部标准差图像和局部熵图像进行步态识别,在CASIA数据集上均表现出较好的识别性能和校验性能。实验结果说明纹理特征比原始的GEI特征具有更强的鉴别能力。6)为了获得更优的识别性能和校验性能,本文还对基于特征融合的步态识别算法进行了探讨,提出了融合轮廓特征的步态识别算法和融合区域特征的步态识别算法。融合的轮廓特征包括序列的均值形状、形状上下文矩阵和切向角步态特征,融合的区域特征为GEI的三种纹理特征即局部变化幅度、局部标准差和局部熵。本文通过大量的实验验证了融合算法的识别性能和校验性能都优于任何特征单独作用时的效果。