近年来国际环境在复杂多变,恐怖袭击事件时有发生,人们对安全的需求日益增加,如何在人流密集的公共场合准确鉴定个体身份是亟待解决的问题。随着信息智能技术的迅猛发展,步态识别作为一种新兴的生物识别技术,利用人固有的生理特性或行为特征,根据人行走的姿势进行个人身份的鉴别,具有非侵犯、不易伪装和低分辨率的优势。经过大量对关于Kinect骨骼数据的步态识别进行研究,本文提出了一个基于Kinect多特征融合的步态识别方法。步态识别主要步骤是数据预处理、提取步态特征、识别算法几个部分。本文主要工作和成果如下:(1)步态骨骼数据预处理阶段,本文主要通过两个方面来解决:一是步态骨骼数据可视化查看人行走骨骼是否有明显偏离;二是通过步长检测人行走的周期变化是否异常。(2)步态特征提取阶段,在骨骼数据去除噪声后,为了能够全方位的体现个体唯一性,从多个角度提取步态特征,既有静态特征也有动态特征。利用人体固有的生理结构特性提出一个棒状骨骼模型特征;根据具有代表性的关键步态提取人体关键步态姿势特征;使用骨骼参数的方法求质心,再计算质心到主要关节点的距离从侧面来具体度量人行走时质心的变化以及反映人行走时下肢关节变化的髋关节角度特征。(3)步态识别与融合阶段,提取步态特征后使用基于动态时间规整的改进K最近邻算法对各个步态特征进行匹配,得到各自特征的匹配分数使用加权加法规则在决策层进行融合,得到最终的决策值从而识别个体身份。通过仿真实验在UPCV数据集上达到90%的识别率,验证本文提出的方法具有一定的可行性。然后实现一个基于Kinect的步态识别系统,系统以Kinect收集的步态骨骼数据集为输入,采用上述提出的方法对骨骼数据进行分析处理,最后识别个体身份。仿真实验与系统实现是为了验证本文所提出的基于Kinect多特征融合的步态识别方法的可行性和实用性,为后续研究应用提供基础作用。