步态作为一种独特的生物特征，是当前最适合进行远距离识别的生物特征，步态识别是当前计算机视觉和监控领域的研究热点。与其他生理特征如人脸、指纹、虹膜等相比，步态具有非侵犯性、非身体接触性、难以伪装和隐藏、能够实现远距离识别等特点，并且它可以实现在低分辨率情况下进行有效的监控。大量的心理学实验和生物学研究证明了在考虑人体运动过程中的所有因素的前提下，人体的步态信息具有唯一性。因此，步态识别技术在智能监控、身份识别等领域受到了极大的重视。　　本文研究现阶段步态识别技术的主要研究方法和存在的问题。在大量阅读文献和仿真实验的基础上，本文提出了一种基于随机森林的非完全步态能量图的步态识别。本文主要在以下几个方面进行论述:　　首先，进行图像预处理以及步态轮廓的抽取工作。主要进行了步态识别的视频分割，基于均值法的背景建模以及基于背景减除法的步态轮廓图像的抽取，对步态轮廓图像进行二值化处理，基于垂直模板的形态学处理，以及基于侧影高宽比的步态周期性分析。　　其次，提出基于随机森林算法的步态特征选择，并提出一种新的基于非完全步态能量图进行步态识别的方法。通过详细介绍了步态能量图、随机森林算法及特征值选择法为特征选择提供了理论基础。为了去除冗余的步态特征信息，以步态能量图作为基础进行特征选择，在步态特征选择时，采用随机森林算法和遗传算法相结合，获取有效特征信息。并根据特征选择结果，提出一种基于非完全步态能量图进行步态识别的方法。　　然后，针对步态数据的高维特性，提出基于二维局部保留投影与二维主成分分析相结合的特征处理。详细介绍了局部保留投影、二维局部保留投影、二维主成分分析方法。将二维局部保留投影与二维主成分分析结合的特征处理算法引入到步态识别中。　　最后，进行步态特征的识别实验。仿真实验是在在中科院自动化研究所的CASIA数据库上进行的，经过大量的实验，并对实验结果进行详细分析，实验结果证明，本文提出的基于随机森林的非完全步态能量图像的步态识别方法取得了较好的实验结果。