随着科学技术的发展，利用生物特征进行身份识别已经成为当今社会的发展趋势，生物特征识别的一种新技术--步态识别是通过人行走的姿势对个人进行身份识别和认证。步态是一种可采集到的远距离生物特征，并且步态识别有对系统的分辨率要求低、采集信息设备简单、远距离识别、非侵犯性和很难隐藏等特点成为随人脸识别和虹膜识别后的第二代生物识别技术。从视频角度看，步态是远距离下最具潜力的生物特征，因此备受研究者们的关注，同时国内外许多学者已经投入到此技术的研究中。　　通常的步态识别过程包含三个部分：运动目标检测、目标特征提取与分类识别。针对运动目标检测和其结果中存在大量噪声和空洞等的不足，采用基于LMedS方法和模糊形态学方法进一步处理；针对传统步态识别方法大多使用人体下肢部分特征的不足，而人体上肢行为在步态识别中却往往具有重要作用，提出基于人体多特征的身份识别算法，并进行了详细的研究。　　论文研究过程中，主要完成了以下几方面的工作：首先介绍了研究背景和意义，并对生物特征识别和步态识别做了简单的介绍；其次综述性地分析了步态识别系统的每个部分和相应的方法；再次研究了一种基于LMedS方法和模糊形态学算子的目标检测方法，即先基于LMedS方法获取背景图像和人体轮廓图像，后用模糊形态学算子对图像结果进行处理；然后研究了一种基于上下肢多特征融合算法，即在步态周期内计算出手臂摆幅、步幅和步频作为步态特征，再利用加权加法进行特征融合；最后利用最近邻模糊分类器进行分类识别。实验是在中科院提供CASIA步态数据库上进行，实验结果表明：基于LMedS方法和模糊形态学算子获得的目标明显比普通方法获得目标更加准确清晰，基于多特征融合的识别算法其性能明显高于仅用单一特征的步态识别算法，在不明显增加时间耗散度的前提下提高识别效果。