20世纪90年代之前人们对步态的识别研究只是出于好奇，而真正开始进行深入研究的可能是Niyogi和Adelson[4]。在国内，步态识别如今在飞速发展，虽然中国的步态识别研究的总体水平与国际先进水平尚存在一定差距，但研究步伐大体上跟国际同步。2001年中国科学院自动化研究所开始了步态识别研究，目前已创建了一定规模的步态评估数据库，并提出了多种步态识别算法，且获得了较好的识别率。64592

对于步态人体探测的研究，主要集中在美国，美国陆军对运动人体的雷达探测和分类的兴趣追溯到越南战争。美国陆军研究实验室（ARL）目前参与了 3 个主要的国防项目，涉及到穿透植被和穿墙雷达。项目中，运动目标检测和识别问题是一个关键部分。美国的Georgia Tech Research Institute 对一些基于雷达的人体检测技术进行了比较，利用 Thalmann 提出的人体运动学模型，得到了对于真实人体目标相位的更精确的非线性逼近[5]。未知几何形状和目标参数的最大似然估计被用来将似然比最大化，从而得到相应的匹配滤波器输出，并将基于 FFT 的匹配滤波器性能与所提出的最优线性和非线性相位检测器进行了比较，而且利用雷达实测数据对人体目标进行了检测和识别。基于人体行走的运动学模型被用于雷达实测回波的计算，并且加入了噪声和杂波模型来模拟更接近实际情况的背景。论文网

另外，美国佛罗里达大学对于人体步态的时频分析提出了具有高分辨率的谱分析方法[6]。传统的短时傅里叶变换，存在一定的缺陷，时间分辨率和频率分辨率是两个相互制约的因素，不能同时达到最好。这在穿墙应用中很明显，因为穿墙频率较低，因此很难在短时傅里叶谱上辨别出微多普勒频率。研究人员为了解决这个问题，介绍了三种方法，并对行走人体分别用仿真数据和实测数据对短时傅里叶变换和所介绍的三种方法进行了比较。而美国加利福利亚大学和德克萨斯大学对基于微多普勒特征的人体行为分类进行了研究，研究对于不同的人体运动，进行短时傅里叶变换分析，包括跑、行走、双手拄棍行走、爬行、拳击向前移动、站立拳击和坐着不动。对不同人体运动进行多普勒检测和特征提取，选择了 6 种特征，通过训练得到不同运动情况的特征参数，为后面的运动分类做好准备。研究引入了支持向量机来对不同人体运动进行分类，并把支持向量机用到判决树分类器中。

对于步态人体探测其他国家也有所研究，法国航空实验室对于 ISAR 成像中的人体步态进行了微多普勒分析，从而实现对步态信息（速度、步长、节拍频率）的提取，进行人体目标识别[7]。研究利用现有数据进行了仿真，对其进行了 2 维 ISAR 成像，比较了两种不同积累时间的成像结果，并分析了积累时间对成像的影响。进行了实验验证，雷达带宽800MHz，采用正交频分复用（OFDM）波形，人跑圈直径 7m，雷达置于距目标25m 的屋顶，比较了两种不同积累时间的成像结果。

荷兰物理电子实验室和阿姆斯特丹大学联合研究了一种基于模型的人体步态参数估计方法[8]。方法中使用最小二乘拟合求模拟数据和实测数据之差的最小值，从而实现对步态参数的估计。模型使用带有三参数的 Thalmann 模型。这种基于模型的人体探测方法在安全、医疗、动画制作、军事等领域都能有所应用，同时对于其它动目标（如动物）同样适用。之后，他们继续研究了基于特征的人体步态特征参数估计。并将基于特征的算法和基于模型的算法进行了对比。两者在准确性上相等，但前者在计算速度上更有优势。