步态识别是近年来越来越多的研究者所关注的一种较新的生物认证技术，它是通过人的走路方式来识别人的身份的方法。

步态识别是一种新兴的生物特征识别技术，旨在通过人们走路的姿态进行身份识别，与其他的生物识别技术相比，步态识别具有非接触远距离和不容易伪装的优点。在智能视频监控领域，比图像识别更具优势。

步态是指人们行走时的方式，这是一种复杂的行为特征。罪犯或许会给自己化装，不让自己身上的哪怕一根毛发掉在作案现场，但有样东西他们是很难控制的，这就是走路的姿势。

英国南安普敦大学电子与计算机系的马克·尼克松教授的研究显示，人人都有截然不同的走路姿势，因为人们在肌肉的力量、肌腱和骨骼长度、骨骼密度、视觉的灵敏程度、协调能力、经历、体重、重心、肌肉或骨骼受损的程度、生理条件以及个人走路的“风格”上都存在细微差异。对一个人来说，要伪装走路姿势非常困难，不管罪犯是否带着面具自然地走向银行出纳员还是从犯罪现场逃跑，他们的步态就可以让他们露出马脚。

人类自身很善于进行步态识别，在一定距离之外都有经验能够根据人的步态辨别出熟悉的人。步态识别的输入是一段行走的视频图像序列，因此其数据采集与面像识别类似，具有非侵犯性和可接受性。但是，由于序列图像的数据量较大，因此步态识别的计算复杂性比较高，处理起来也比较困难。尽管生物力学中对于步态进行了大量的研究工作，基于步态的身份鉴别的研究工作却是刚刚开始。步态识别主要提取的特征是人体每个关节的运动。到目前为止，还没有商业化的基于步态的身份鉴别系统。

步态识别是一个相当新的发展方向，它旨在从相同的行走行为中寻找和提取个体之间的变化特征，以实现自动的身份识别。安全视频智能监控场合中自动步态识别系统的基本工作原理框图的一般框架如图1所示，它是融合计算机视觉、模式识别与视频/图像序列处理的一门技术。

首先由监控摄像机采集人的步态，通过检测与跟踪获得步态的视频序列，经过预处理分析提取该人的步态特征。即对图像序列中的步态运动进行运动检测、运动分割、特征提取等步态识别前期的关键处理。

其次，再经过进一步处理，使其成为与己存贮在数据库的步态的同样的模式；

最后，将新采集的步态特征与步态数据库的步态特征进行比对识别，有匹配的即进行预/报警。无匹配的，监控摄像机则继续进行步态的采集。

因此，一个智能视频监控的自动步态识别系统，实际上主要由监控摄像机、一台计算机与一套好的步态视频序列的处理与识别的软件所组成。其中，最关键的是步态识别的软件算法。所以，对智能视频监控系统的自动步态识别的研究，也主要是对步态识别的软件算法的研究。

根据医学和心理学等学科的研究表明：人可以感知步态，并可以通过步态进行人的身份认证。尤其自“911事件”以来，使得远距离的身份识别研究备受关注。而与其他生物特征识别相比，步态识别的突出特点主要是能远距离识别。因此，步态识别的研究，己越来越引起国内外学者的关注。目前，己研究出的步态识别的软件算法有如下几种：

二维步态识别算法

对于每个步态序列而言，一种改进的背景减除技术被使用来提取人的空间轮廓。这些轮廓的边缘，被逆时针方向展开为一系列相对于质心的距离模板。这些模板特征通过使用主元统计分析方法来训练，从而得出步态形状的变化模式在特征空间中的轨迹表达。识别时，采用了时空相关匹配方法和基于归一化欧氏距离的最近邻规则，并引入了相应于个人的体形等生理特征的融合，以用于必要的步态分类校验。

步态识别算法

该算法来源于“从行走运动的时空模式中可学习人体的外观模型”的观点。对于每个序列而言，背景减除过程用来提取行人的运动轮廓，这些轮廓随时间的姿态变化在二维空间中被对应描述为一个序列的复数配置(Complex Configuration)。利用Procrustes形状分析方法，从该序列配置中获取主轮廓模型作为人体的静态外观特征。实验结果表明，该算法获得了令人鼓舞的识别性能。

时空轮廓分析

该算法来源于“人体行走运动很大程度上依赖于轮廓随着时间的形状变化”的直观想法。对于每个序列而言，背景减除与轮廓相关方法用于检测和跟踪行人的运动轮廓，这些时变的二维轮廓形状被转换为对应的一维距离信号，同时通过特征空间变换来提取低维步态特征。基于时空相关或归一化欧氏距离度量，以及标准的模式分类技术用于最终的识别。实验结果表明，该算法不仅获得了令人满意的识别性能，而且拥有相对较低的计算代价。

基于模型

该算法来源于“行走运动的关节角度变化包含着丰富的个体识别信息”的思想。首先，结合人体模型、运动模型和运动约束等先验知识，利用Condensation算法进行行人的跟踪。然后，从跟踪结果中获取人体主要关节的角度变化轨迹。这些轨迹经过结构和时间归一化后，作为动态特征而用于身份识别。

基于Hough变换

这是一种基于新的特征提取方法的自动步态识别算法，该算法仅从腿部的运动进行身份识别。对于每个序列，用一种基于图像色度偏差的背景减除算法来检测运动对象。在经过后处理的二值图像序列中，利用边界跟踪算法获取对象边界，在对象边界图像上，局部应用Hough变换检测大腿和小腿的直线，从而得到大腿和小腿的倾斜角。用最小二乘法将一个周期内的倾斜角序列，拟合成5阶多项式，把Fourier级数展开后得到的相位与振幅的乘积，定义为低维步态特征向量。在小样本的数据库上用Fisher线性分类器验证所研究算法的性能，正确分类率为79.17%，在步态数据库不很理想的情况下也获得了较好的识别率。

基于三维小波矩理论

基于广义多尺度分析理论，针对不同的应用图像或信号库，得到最优小波分解, 并在人体步态识别中与二维小波矩结合进行应用。在三维物体的表示方面, 作为三维物体的一种无冗余的描述和识别方法，提出了三维小波矩理论。与现存的方法相比，它不但具有平移、缩放和旋转不变性，在径向上还增加了多尺度分析的特性。可以根据不同的需要，提供多层次的特征描述子，同时引进球面调和函数加速算法和小波的Mallat算法后，使小波矩的计算得到了双重加速。有人计划搭建实用的三维物体检索平台，将进一步完善该算法。

是一种非接触的生物特征识别技术。因为它不需要人的行为配合；特别适合于远距离的身份识别。这是任何生物特征识别所无法比拟的；不容易伪装。是让犯罪分子防不胜防的追捕手段，它不仅可以分析闭路电视捕捉到的嫌犯的行动情况，还能把它们同嫌犯走路的姿态进行比较。在一些凶杀案中，往往凶犯不让你看到他们的脸，但却能看到凶手走路的样子。采集装置简单、经济。因为只需要一个监控摄像头就行。

由于步态识别与面像识别一样，都是一种不需要人的行为配合的非接触的生物特征识别技术，因此均可用于智能视频监控系统。现将两者的比较，归纳如表1所示。

步态识别与面像识别的相同点表现在，检测方法、人的行为配合、软件难易程度、联网、复制可能性以及在智能化视频监控系统中的应用方面都是相同的；其不同点在采集装置成本、采集速度、采集距离、伪装、可靠性、使用等方面。

面像识别优于步态识别的有二：一是采集速度快于步态识别，因为摄像头只要一抓住面像即可，而步态识别则要采集到步态图像的序列才行；二是面像识别技术比较成熟，而步态识别刚起步，其可靠性不如面面像识别，试验的识别率只有80%。

步态识别优于面像识别的有四：一是采集的摄像机用一般的即可，所以采集装置的成本比面像识别的低；二是采集的距离要比面像识别的远，只要能看清走路的姿态就行，甚至可以背离摄像机，这是面像识别所不行的；三是面像可伪装，而步态却不易，因为当你看到摄像头想伪装时，你的步态却早己被采集了；四是步态识别使用最方便，它不像面像识别那样要较好的光照条件来看清面像。

全视角步态识别在高清摄像头下，识别距离可达50米，无需识别对象主动配合参与。因步态难以伪装，不同体型、头型、肌肉力量特点、运动神经灵敏度、走路姿态等特征共同决定了步态具有较好的区分能力。虹膜识别需要目标在30厘米以内、要有红外光照条件，人脸识别需在1-5米以内，基本正面，光照良好的条件，步态识别打破这些条件的限制。

防止你的贵重物品被人偷走.研究人员在笔记本电脑,手机等物品中装上传感器,把传感器的频率调整到物主步行时的典型的频率上,这样你的笔记本电脑就认识你了,当有人偷了你的电脑又不能模仿你的步态时,传感器就会报警.

步态识别是近年来越来越多的研究者所关注的一种较新的生物认证技术,它是通过人的走路方式来识别人的身份的方法。在应用领域,类似于人脸识别,它要解决识别和检验两类问题。在识别问题中,给出未知身份人的步态,在数据库中搜寻与之匹配的人的步态,从而确认人的身份;在检验问题中,需要步态识别算法对已假定的某人的身份作出判定,即接受或拒绝所假定的身份。

步态识别作为一种生物认证技术,具有其它生物认证技术所不具有的独特优势,即在远距离或低视频质量情况下的识别潜力,且步态难以隐藏或伪装等。 步态识别主要是针对含有人的运动图像序列进行分析处理,通常包括运动检测、特征提取与处理和识别分类三个阶段。

利用“人脸+步态”双模式识别,可最大化地辨识可疑人员,提高安全等级，也可以在公交领域应用，实现安防布控、无卡出行、人群密度、超流量预警等。

2022年10月，首个步态识别数据国家标准《信息安全技术 步态识别数据安全要求》(GB/T 41773-2022)正式发布实施，针对当前步态识别数据各类突出问题制定了相关国家标准,推动步态识别技术标准进一步系统化 。

2021年11月14日，公布《网络数据安全管理条例（征求意见稿）》提出我国拟规定不得将步态等生物特征作为唯一个人身份认证方式。