生物特征识别与身份认证是各国高度重视、优先研发的未来安全保障体系关键技术之一。步态识别因其在远距离范围内身份识别的优势,成为该领域最具潜力的新兴热点。但目前该领域的研究仍处于实验室初级阶段。研究开发准确可靠、鲁棒性好、能够实用的步态识别系统仍是十分艰巨的任务。本论文针对远距离行人身份识别要求,根据近几年生物特征识别技术多特征融合的发展趋势,在步态特征提取与身份识别中引入人脸特征信息,借助多信息融合优势对远距离身份识别中的关键技术进行了研究。研究中采用了中科院自动化研究所建立的CASIA数据库中的数据库DatasetB进行远距离身份识别实验。首先,在视频监控图像中自动提取行人轮廓图像及人脸图像。其次,建立了人体自适应三维数学模型,通过对步态图像序列的跟踪,获取行人的关节角度参数。利用跟踪结果构造模型步态能量图作为步态的整体特征,利用小波变换后的行人下肢关节角度作为步态的动态特征进行步态识别。继而,对人脸图像预处理方法和人脸识别算法进行了实验研究,优选出适合远距离身份识别的人脸识别算法。利用超分辨率图像重建技术提高了人脸图像分辨率从而提高了人脸识别率。最后,利用D-S证据理论、最大法则、最小法则、加法法则、多数投票法等融合算法进行身份识别对比试验,实验结果表明D-S证据理论融合步态和人脸进行身份识别的识别率更高,最终识别率可达94.74%。本研究的创新之处在于:①建立了人体自适应三维数学模型。该模型可以通过跟踪获取行人关节角度的三维信息,并自动检测行人肢体的宽度信息,可实现对行人的行走姿态及行人外观的个性化表达。②提出了模型步态能量图这一步态特征表达新方法,实验证明模型步态能量图可实现对步态特征的个性化表达。③提出了将跟踪获取的下肢关节角度进行小波变换并用小波变换低频分量联合作为步态动态特征的方法,实验证明经过小波变换后步态识别率提高了3.50%。④提出了基于奇异值扰动的二维主元分析法,并利用结合凸集投影和迭代反投影的超分辨率图像重建技术提高侧面人脸图像的识别率。⑤提出了利用D-S证据理论融合人脸与步态特征的身份识别方法,使远距离身份识别系统的识别率得到有效提高。