目前,生物特征识别技术受到国内外安全专家的关注,人脸识别具有非接触、安全性高等优点,但其容易受到面部表情、光强度和遮挡等因素影响。步态识别具有识别距离远、伪装困难等优点,但其容易受到人物情绪、负重和衣着等因素影响。因此,本文研究基于人脸和步态双模态的融合方法,提高识别的准确性。另外,提出结合步态双视角融合和区域下采样的方法,提高系统的运行效率和鲁棒性。本课题的研究内容主要包括:1、人脸和步态的预处理。使用高斯混合模型对视频流进行步态的前景提取,通过对齐方式得到人物所在位置信息,并通过归一化处理得到最终步态帧图。使用高斯混合模型和人体比例法对人脸图像进行提取,通过归一化得到最终的人脸帧图。2、通过步态的视角融合研究。使用Gaitset网络模型进行步态识别,在36°和90°两个单视角中分别获得步态识别准确率为92.2%和93.7%,使用双视角步态进行加法融合,使用排序方法获得准确率为94.3%。3、对人脸和步态进行双模态融合研究。首先提出一种双模态生物特征融合算法,用于研究人脸和步态双模态融合的准确率并分析融合结果。当人脸和步态余弦距离序列长度为11时取得最好效果,正常、背包和衣着三种不同类型的人脸和步态融合中分别获得的准确率为100%、100%和99.3%。最后,探究三种类型人脸和步态余弦距离的分布,并就分布情况进行了原因分析。4、系统平台的搭建与优化。系统设计中提出了90°视角区分人物方法,该方法有效、准确地记录行人在视频中出现的时间。为提高研究分析效率,设计了一种快速提取人脸和步态图像的区域下采样方法。另外,介绍软硬件的基本框架、通信方式和平台环境等,最后对系统的准确率和性能进行测试,实景测试取得100%的准确率,单次人脸和步态识别耗时分别为0.165秒和0.315秒。