随着安防技术的不断升级,我国的社会治安状况持续稳定,人民的个人财产得到了前所未有的保障。身份识别技术是安防中十分重要的一个环节,但是现有的技术均有着各自的问题,比如最常见的密码识别,它需要我们时刻牢记密码,对于老年人等群体存在遗忘隐患;又如门禁上的指纹识别系统,它需要人体直接与传感器接触,可能带来卫生问题;再如采用摄像头进行人脸识别,它会带来一定的隐私侵犯问题。相比于传统的身份识别方式,通过雷达进行身份识别具有非接触、覆盖范围广和环境适应性好的优点,且基本不存在侵犯隐私问题。本文提出了基于FMCW毫米波雷达的身份识别方法。通过毫米波雷达采集人体回波信号,分析回波中速度、距离等信息的提取,经过环境杂波抑制和STFT（短时傅里叶变换）等信号处理方法,得到时间-微多普勒频率二维图像。在此基础上,本文构建了多步态、多个体的二维图像数据集,并结合计算机视觉中图像增强的方法对数据集进行增强。针对此数据集,采用两种不同的卷积神经网络分别实现人体步态的检测分类,并通过模型训练和测试比较其优劣。结合步态检测的实验结果,设计了单步态下的孪生网络并结合经典分类器的方式来进行身份鉴定,该方式除了可以识别训练集样本,还能够拒绝训练集以外的样本。然后,设计了多步态融合的多分支卷积神经网络来实现身份识别。对以上两种身份识别方法分别进行了模型训练和测试。最后,设计并搭建了以毫米波雷达为传感器,基于步态检测的身份识别系统,实验表明,该系统能够以较高的准确率实现身份识别。