在一些高人流量的公共场所,比如海关,银行和飞机场等,有效的进行人体身份识别,排除恐怖犯罪分子,对于公民的安全至关重要。步态识别作为一种远距离识别方法,具有非侵扰,难隐藏,不易伪装等优点,使其受到研究人员的广泛关注,在人体行为研究和智能监控方面具有很高的应用价值。基于模型的步态识别方法,是步态识别的重要方向之一,在快速识别方面具有很大的优势。寻找合适的方法快速提取并建立一个高精度的模型是此类方法的前提和关键。模型相关数据的准确性,快速性,易处理性,高代表性,对于之后的特征提取以及识别过程起着决定性作用。因此,本文针对步态识别中的骨骼模型提取问题展开研究,充分融合具有远距离、非接触、高信息量特点的视觉数据和具有高度准确性的触觉数据,得到高精度的骨骼长度模型和具有力学特征的骨骼质量模型,为步态识别及预测提供数据支撑和理论依据。针对视觉测量和触觉测量在时间和空间上的不统一问题,分别提出了基于运动周期的时间融合算法和基于空间转换的空间融合算法。在时间融合过程中,通过最佳匹配函数极大的减小了时间融合的误差,保证时间轴的同步性。在空间融合的过程中,选取了视觉坐标系为基准坐标系,根据触觉设备的成像对触觉坐标系进行定位,实现空间坐标系的一致性。根据人体运动规律和人体解剖学的部分假设,提出一种在单目视觉中利用单帧视图,通过视觉触觉融合,重构等比例3D步态骨骼长度模型的方法。在该方法的几何分析过程中,利用轮廓特征有效提取了人体的大腿骨骼,解决了肩关节和髋关节由于遮挡难以测量的问题,为步态识别数据源提供了双髋和双肩的物理长度及其自旋转运动参数,保留了不同个体之间模型的个性,为最终的人体步态身份识别奠定了基础。根据人体的运动规律,对处于不同运动状态的身体部分进行了划分,并建立了人体步态骨骼质量模型。以支撑脚为起始点,根据运动学传递过程,分析了模型中各个部分质心的加速度大小,最后通过支反力的形成原理,建立了各个部分质量与支反力的数学模型。通过该模型,可以根据检测到的运动学数据和力学数据,对人的质量分布和质心距离进行求解,从而应用于个人特征身份识别和行动预测。