步態識別是運用步態的普遍唯一性，通過提取人走路過程中步態特征，經過分類識別，最終實現辨別人物身份，達到分析行為特征的目的。一般包括輪廓檢測、特征分析、分類識別三個主要研究步驟。其中特征提取是步態識別的關鍵環節，特征提取的好壞對最終識別率影響很大。步態特征的提取方法主要分為基于模型與基于整體兩種方式。典型的基于模型的特征處理有鐘擺模型、棍狀模型和橢圓模型。基于模型的特征提取對于遮擋和噪聲有較強的魯棒性，但計算量大，對序列變化敏感度高，難以實現實時處理。基于整體的特征提取也稱為基于全局的特征提取，無需建立先驗模型，而是通過分析目標動態變化與輪廓信息提取合適的特征，相對基于模型的特征提取實時性好，但對于視角和服飾變化等魯棒性較差。N．V．Boulgouris等人采用隨機變換提取單幀特征，并使用LDA對周期累計特征矢量進行降維。Dong Xu等人提出一種新的局部分布式特征（PDF），他們將每幀動態能量圖（GED表示為局部增量Gabor特征組，將其從5個尺度和8個方向組合為新特征矢量。Mohan Kumar HP等人提出變式能量圖（CEI），將特征值重構為區間值，通道隨機變換提取判決特征，實驗表明該特征對于穿衣、背包等變化具有良好的識別魯棒性。