步态识别作为一种新兴的生物识别技术,是根据步行者行走的姿态来判断行人的身份。与传统的生物识别技术相比,其具有非入侵性、容易在公共区域设置和难以掩饰等优点。目前,步态识别都是对指定的角度进行研究,对于多个视角,当前的步态识别是有困难的。针对步态识别系统经常受观察角度的影响,研究多视角步态识别具有十分重要的意义。论文提出了一种基于BEMD的多视角步态识别算法。根据中科院提供的CASIA数据库,对步态图像预处理、步态特征提取和步态识别三个部分的内容做了详细的研究,主要内容为:步态图像的预处理部分,通过背景减除法从背景图像中提取运动目标轮廓,得到步态轮廓的二值图像。对其二值图像进行形态学处理、连通区域处理等操作,从而去除一些噪声和小的连通区域。经过图像归一化,将行人轮廓图像调整到合适的大小,在此基础上,检测出步态周期。步态特征提取部分,在一个步态周期内,得到步态能量图,采用二维经验模态分解(BEMD)方法对其进行分解,将分解出四个分量的前三个高频分量重构图像作为步态特征。将每个视角下的步态特征进行相加,最终构建出多视角步态特征。分析对比各个模态分量和组合分量作为特征时不同角度的准确率,实验结果表明,将前三个分量作为特征时的分类效果优于其他特征;而且将各个角度的平均识别率与角度融合之后的多视角步态识别率进行比较,验证多视角步态特征具有较好的分类效果。步态识别部分,采用支持向量机(SVM)对构建的多视角步态特征进行分类,同时利用遗传算法(GA)对模型当中惩罚参数和核参数进行优化。利用公开的CASIA数据库进行实验,平均识别率达到93.52%,较优化前的识别率90.22%有所提升。