生物特征識別作為一種身份認證手段，在信息安全領域已得到了廣泛的應用。步態(tài)作為一種新的生物特征，其由于具有非侵犯性、難偽裝性、且可在遠距離非接觸和低分辨率的情況下進行圖像捕獲等優(yōu)點，所以已成為計算自動機識別中的一個研究熱點。為了提供一定規(guī)模的步態(tài)評估數(shù)據(jù)庫，中國科學院自動化研究所創(chuàng)建了CASIA數(shù)據(jù)集步態(tài)數(shù)據(jù)庫，且該庫已得到了廣泛的認可。其具有多種行走條件下的數(shù)據(jù)樣本，圖1所示為數(shù)據(jù)庫中同一個人的三種行走條件下（正常、穿大衣、背包）的步態(tài)圖例，其中點線為定標塊。

　　步態(tài)識別的研究重點之一在于步態(tài)特征的提取，優(yōu)良的特征對于最后的識別結果起著至關重要的作用。步態(tài)特征主要分為兩個方面：整體特征和動態(tài)局部特征。以行走時人體的輪廓來表征步態(tài)特點的方法主要有步態(tài)能量圖法使用Zemike矩、小波描述子提取特征的方法，并且也取得了一定的效果。但在行走人衣著飾物發(fā)生改變的情況下，以上算法的識別精度還有待提高。針對以上情況提出了基于動態(tài)局部特征的步態(tài)識別，其可以很好地解決上述問題。

　　本文提出了一種基于動態(tài)部位特征的步態(tài)識別方法，其可通過構造步態(tài)特征向量y來解決行走入衣著飾物發(fā)生改變情況下的步態(tài)識別。其系統(tǒng)框架如圖2所示。該方法首先通過預處理和目標檢測得到運動目標的黑白兩色二維輪廓；其次利用泊松方程得到在輪廓內(nèi)任一點到輪廓邊界的平均隨機行走時間，在此基礎上構造閾值函數(shù)提取動態(tài)部位（如頭、胳膊和腿）；然后統(tǒng)計其等角度間隔的扇形區(qū)域內(nèi)所有點的均值和方差，用其構造動態(tài)特征向量y；最后利用支持向量機（ Support Vector Machine，SVM）算法驗證其有效性和魯棒性。