概论
步态是指人们行走时的办法，一个人内行走时，双脚动作和身体其他部位的姿势是绝无仅有的。依据前期的医学研讨，人的步态有24个不同的重量，在考虑一切步态运动重量的状况下步态是仅有的。精力物理学中的研讨成果显现即便经过受损的步态信息人们也能够辨认出身份，这表明步态信号中存在身份信息。而且这种姿势具有相对稳定性，在必定的时刻规模和相同的步行环境下不简单改动，人们能够据此提醒出行走人的身份。在生物特征辨认技能里，步态特征是一种新式的辨认技能。步态即人走路的姿势，它由每个时刻身体各部位的相对运动组成，不同的人走路姿势都有比较共同的特征。
优势
比较于其它辨认技能，步态辨认技能具有一些显着的优势：
1）步态辨认对辨认间隔要求不高
当视频收集设备与待辨认方针间隔较远时，人脸模糊不清，指纹更无法收集，可是人走路的姿势却清晰可见。除此之外，从防备的视点来说，适用于远间隔身份辨认技能能够在很大程度上添加以安全为方针的智能视频监控体系。
2）步态辨认的非强迫性
与传统的生物特征辨认技能（如指纹、虹膜等）比较，步态特征无需被辨认者的合作即可获取步态特征。
3）步态特征的不易躲藏、不易仿照性
不同于其它的生物特征，如能够用明胶作的橡胶手指以较高的成功率骗过指纹辨认体系，步态特征是人身体的各个部位的和谐动作，在必定时刻内具有稳定性，即很难改动，而且很难被其他人仿照。
研讨现状
现在的步态辨认算法大多是在摄像机拍照的方针行走视频的基础上进行研讨的，虽然在核算机视觉范畴对人的运动剖析研讨为时已久，但是真实使用步态信息进行身份辨认却是近些年才逐步发展起来的。对步态辨认研讨的一个重要分界点是2000年美国国防高档研讨项目署DARPA重大项目HID(Human Identificationat a Distance)方案展开的多模态视觉监控技能以完成远间隔状况下人的检测、分类和辨认，其研讨要点之一便是经过步态进行远间隔身份辨认。
步态辨认剖析能够划分为特征抽取、特征处理和辨认分类三个阶段。步态特征提取便是采纳某种办法表明检测出的步态和数据库中的已知步态，首要分为两大类：依据形状信息的表征（也称为非结构表征），如概括鸿沟、面积、宽高比等；依据运动和动力学特性的表征（也称为结构表征），如人体动力学模型、关节视点的改变、步行速度等。依据形状信息的办法包含，Little与Boyd使用了光流图画中上步态的频率和相位特征来对行人进行辨认，在一个6人组成的数据库上获得了90%以上的辨认率。Murase和Sakai提出了一种时空相关的模板匹配办法，一起引进特征空间改换(PCA, Principal ComponentAnalysis)来进行数据降维。Huang等人经过添加正则剖析拓宽了他们的作业，在UCSD数据库上的辨认率为100％。中科院自动化所的王亮等人经过人体概括鸿沟解卷绕办法来提取步态特征，相同用PCA进行数据降维，该办法在CASIA数据库上分别对3种视角的步态序列进行了试验，因视角的不同，辨认率从63.75%-93.75%不等。
Shutler等提出了一种依据速度时刻矩的步态辨认算法，削减了步态辨认中噪声的影响。Kale等人率先将隐马尔可夫模型引进到步态特征提取中，并用聚类的办法提取5个关键帧来削减数据维数。此外，James等人使用对称性剖析算子来进行步态辨认也取得了不错的作用。另一类依据运动和动力学的办法旨在构建一个人体的2D或3D的运动结构模型，经过提取图画特征把它们映射到模型的结构成分上来表征人体的步态形式，其间包含，南安普顿大学的Cunado等人将大腿建模为链接的钟摆，并从其歪斜视点信号的频率重量中获取步态特征。
中科院自动化所的HuazhongNing等人先对人进行盯梢，再从盯梢成果中获取人体首要关节的视点改变轨道作为动态特征用于身份辨认。Yoo等人依据解剖学的常识，提取出面、脖颈、肩、胸、骨盆、膝盖和脚踝的方位，然后核算各个方位的运动学特征（相对于笔直方向摇摆视点）然后进行步态的分类辨认。Lily Lee等人选用七个椭圆表达人的旁边面二值化图画的身体不同部分，每一个椭圆用质心的两个坐标、长短轴之比、长轴的方向等四个特征表明，加上整个身体图画的质心的高度，总共29个特征参数表明整个人体旁边面图画，再经过模板匹配办法进行步态辨认。P. J. Phillips和S. Sarkar对步态辨认步态辨认技能所面对的挑战和相关的技能困难进行了具体的论说，并结构了一个包含122个人的步态数据库，对视角、鞋的改变、路面改变、提包等要素进行了比较剖析。
