步态是指个体行走方式的生物特征,医学研究表明每个人都有独特的步态模式。在这项工作中,我们考虑了一种步态识别场景,其中每个人至少有半个步态周期是从正面平行视图中捕获的,并提出了一种新的特征,称为基于位置的边界能量图像,该图像通过从对应于几个分数部分的轮廓信息中提取特征来捕获步态的动力学步态周期。传统上,从步态序列的输入RGB帧中提取二值图像来构造步态特征进行识别。相比之下,本工作中用于特征提取的轮廓轮廓信息具有优势,因为它消除了多余的像素级结构信息,从而使提取的步态特征更具区分性。接下来,我们使用PCA对提取的基于位置的BEI特征进行降维,最后使用降维后的特征集进行基于LDA的分类。使用流行的CASIA-B和TUMGAID数据集对所提方法进行了评估,获得了相当满意的结果。与现有技术的比较研究也表明,我们的方法在平均准确度和分类时间方面都优于现有方法。