基于人体步态的身份识别是一种新兴的生物特征识别技术，它旨在通过人们走路的姿态进行身份识别。与其它的生物识别技术相比，基于步态的身份识别具有非接触、远距离和不容易伪装等优点。步态识别涉及人体运动视频序列的预处理，步态特征提取以及分类识别三个部分。本文从步态识别的理论和实际应用出发，对基于人体步态序列的身份识别算法进行了一些探索和研究，主要工作如下：　　(1)研究了步态识别的运动视频序列预处理过程中的各种技术，采用如下过程进行预处理：首先，利用视频帧差法建立背景模型，使用差分及二值化技术得到步态序列的二值化图像，利用形态学操作滤除小的空洞等噪声；其次，使用8连通区域的方法获取人体区域并将其归一化；最后，通过将一个步态周期内的二值图像叠加获得步态能量图，并用于后续的特征提取。　　(2)步态特征提取：在获得的步态能量图上，将传统的离散小波、PCA、2DPCA等应用于步态特征提取，并针对这些算法在步态特征提取方面的局限性，实现了一种融合二维离散小波包分级和两个方向的二维主成分分析的步态特征提取算法，有效地克服了已有基于离散小波变换的步态方法中高频分量丢失或维数过高问题。　　(3)步态的分类：分别提出了一种基于属性的最近邻步态分类算法、两种基于AdaBoost的集成步态分类算法以及基于属性Bagging的集成步态分类算法，并给出了后三种算法错误率的边界。　　我们在中科院自动化研究所的NLPR步态数据库上对本文算法进行了评测，并和传统的算法进行了比较，试验结果表明：相比于单一分类器，集成分类器具有更好的识别率和对视角变化的鲁棒性；本文融合二维离散小波包分解和两个方向的二维主成分分析的步态特征提取算法不仅能获得更完整的步态特征，而且能获得更好的识别性能。