社会公共安全越来越受到政府和社会的高度关注,也越来越成为政府尤其是公安政法机构必须做好的政务。为了及时掌握公共场合的实时信息,各地尤其是城市中都安装了视频监控系统。伴随着视频监控覆盖面及应用面的迅速普及,急需一种在复杂环境中,不依赖距离远近、不依赖监测对象配合状态下的快速身份识别技术,用以迅速确认监测对象身份,从而实现快速智能预警。本文融合人脸特征和步态特征实现多模态身份识别。中远距离下,利用Lacus-Kanade光流法提取人体行走过程中的步态光流图表征步态的动态特征,采用Procrustes形状分析法统计一个步态的头肩均值形状人脸识别方法。同时,根据一个步态周期内行人在起始和终止位置时的侧影高度之间的关系估计其行走方向,并确定行人与相机之间的视角作为步态特征的选择标准,克服视角对步态识别的影响。近距离情况下,利用人脸特征进行身份识别,提出基于子模块稀疏表示的识别方法。按照一定比例关系对人脸分块并提取各块的多尺度图像特征,设计随机感知矩阵将特征从高维空间映射到低维子空间。随机感知矩阵具有数据无关的性质,该方法提高了人脸识别率,同时满足系统的实时性要求。最后对步态识别和人脸识别结果进行决策级融合,解决中远距离情况下身份识别难的问题。本文的研究成果可对中远距离生物识别设计提供有意义的借鉴和参考。