步态识别是一种新兴的身份认证技术,它的核心思想是利用人们行走时展现的步态信息进行身份认证。Kinect设备可以实现人体骨骼的空间定位和追踪,同时实时输出步态运动的3D骨骼信息,为人物识别提供了有效的骨骼数据。本文针对目前Kinect 3D骨骼的步态识别研究在数据归一化和特征提取方面存在的问题,提出了两种基于Kinect 3D骨骼数据的人物识别方法——基于关节点坐标图像的单帧人物识别方法和基于步态时空特征矩阵的步态人物识别方法,并搭建了一个身份认证系统。本文的研究工作主要如下:（1）针对目前研究严重依赖手工选择单帧骨架静态特征的现状,本文提出了基于关节点坐标图像的单帧人物识别方法。该方法首先将单帧3D骨骼数据归一化,然后利用“大字型”结构对关节点坐标像素进行空间布局,所生成的关节点坐标图像不仅保存了单帧3D骨骼数据的相对原始数据,还保留了人类骨架的自然连接结构。接着利用基于卷积神经网络的分类器进行特征提取和图像分类,实现了以人物识别为目标导向的静态骨架特征自适应提取和基于关节点坐标图像的人物识别。实验表明,该方法在10人规模的人物分类任务中识别效果最好,识别准确率能达到96.86%,相比同类算法,该方法的人物识别精度更高。（2）针对基于关节点坐标图像的单帧人物识别方法仅利用骨架静态特征进行人物表征,由此无法在大规模身份认证中取得高识别准确率的问题,本文针对步态周期骨骼序列提出了基于步态时空特征矩阵的步态人物识别方法。该方法首先利用步态轨迹图对3D骨骼步态数据的进行周期测定,然后提取骨架的空间特征和相邻骨骼帧的运动特征,得到步态时空特征矩阵。该矩阵从步态周期序列中提取的特征可以有效表征行人的步态规律,减少冗余骨骼帧干扰。接着利用基于卷积神经网络的分类器进行步态人物识别。实验表明,该方法在164人规模的身份认证任务中取得了95.13%的识别准确率,与同类算法相比,该方法的身份认证能力更强、鲁棒性更高。（3）搭建了一套基于Kinect V2骨骼追踪的身份认证系统。该系统以Kinect V2为数据采集设备,使用C#和Python语言开发系统平台,实现了3D骨骼数据采集、人物注册、分类模型训练和实时身份认证等功能。系统的核心算法为本文提出的基于关节点坐标图像的单帧人物识别方法和基于步态时空特征矩阵的步态人物识别方法,系统可根据采集的骨骼质量选择使用的算法类型。通过邀请多名志愿者对该系统进行测试,实验表明,该系统具备一定的身份认证能力,识别准确率为87.09%±3.51%。