作为一种新兴生物识别技术,步态识别依靠行人的生理特征和行为特征完成个体识别。相比其他生物识别技术来说,步态识别可以在数十米乃至百米距离识别出人的身份信息,因此在安防、医疗和体育等领域具有广泛经济价值和应用前景。目前,基于视频流的步态识别以突出的优势和广泛的应用前景深受学者们青睐,但是目前对步态识别研究大多停留在算法仿真阶段,只有少数学者在CPU或嵌入式平台上实现了步态识别系统,随着模式识别技术对硬件要求越来越高,传统硬件平台很难兼顾准确性、实时性和鲁棒性。为了解决上述问题,论文基于FPGA硬件平台搭建了高实时性和低功耗的多特征融合步态识别系统。算法设计层面:为了避免光线和阴影等因素干扰,论文提出了三帧间差分、背景减法、自适应背景建模和改进最大类间方差法（OTSU）的运动目标检测算法;针对传统步态特征提取方法易受噪声干扰,运算复杂等缺点,论文结合解剖学人体比例结构和下肢运动规律,提出基于轮廓图的步态特征提取方法,得到更加准确静态特征和动态特征,由于从单帧上分析步态特征会丢失了一部分动态信息,论文引入了关节点帧间位移特征;考虑到动态时间规整算法（DTW）需要对大量路径及这些路径中的所有节点进行匹配计算,导致计算量极大问题,论文提出了基于改进DTW-KNN的步态识别算法,并结合静态特征和动态特征的互补性,采用加权匹配层融合方法完成个体识别。硬件设计层面:设计了各个模块的数字电路,通过Questa＿Sim和MATLAB协同仿真验证在误差范围内RTL代码设计满足精度要求;通过C仿真、C/RTL协同仿真、在线仿真等手段,验证了PS端C模型分类结果准确无误;在Block Design中集成所有模块IP核,并完成板级调试工作。论文在运动目标检测阶段、特征提取阶段和分类识别阶段的算法设计上力求简洁高效,采用了软硬件（PS+PL）协同方案,使用ZYNQ-7030核心板完成20名受试者测试工作。结果表明搭建的多特征融合步态识别系统具备较好实用性,对小幅度视角变化和着装变化有较强鲁棒性;在准确率上,较CPU平台提高了14%;在实时性上,系统平均响应时间不超过2s,满足系统对实时性要求;在FPGA性能上,资源消耗少、时序收敛高、功耗低,工程优化水平高,可扩展性强,为后续研究提供了方向。