目前,步态特征识别的研究与应用由于受到场景、携带物等因素的影响,识别精度在多模态下需要进一步提高。为此,针对不同应用问题,本文设计了基于动静态步态特征融合的多场景下技术实现方法,主要内容如下:1、针对数据预处理部分,借助于滑动平均滤波器这一重要的工具,实现了在保持信号原有波形特征基础上,防止出现数据丢失或者不真实等问题。首先,详细介绍人体步态识别技术的研究和应用现状,分析出人体步态周期特点,对几种常用人体步态识别方法的比较,例如帧差法、光流法、背景减除法等,并合理选择采集的平台和各传感器,进行数据降噪、保真处理等操作。2、针对人体步态特征提取,通过特征值融合,提出了有效的识别模型,实现了对人体步态特征高精度提取。对人体的步态动、静状态特征进行分析,提出步态特征择优提取和识别技术,这部分是本文的创新之处。在对比静态和动态两种骨骼步态识别方式的优缺点后,设计了基于匹配层的动静态步态特征融合算法,对传统的特征提取方案进行优化。最后研究的技术能够对13种特征值进行融合,整理成一组特征向量,减少了系统的反应时间,同时确保了步态特征识别的精度。并且,借助于DTW算法（动态时间规整算法）来解决这些步态特征在时间上不统一的问题,确保所有的步态特征都在同一时间维度。并建立了有效的识别模型,实现对多种场景下的人体步态特征识别。3、在不同的室外场景与环境下,通过设置两组人体步态在多场景下的应用实验,验证了技术应用的有效识别结果,且达到识别率较高的效果。同时,本文的人体步态特征识别系统还能够对异常的步态状态进行识别,通过步态异常和步态正常的人群对比试验,证明了人体步态识别技术具有较大的实际应用价值,同时也可为智能终端步态识别技术与应用提供参考。