传统身份识别方法存在图像分辨率要求高、识别精度低下等问题。人体行走特征把先天生理特征和后天行为特征相结合,具有个体差异性高、不易伪装隐藏等特点。因此,使用人体行走特征进行身份识别具有更高的识别率。针对传统边缘检测算子无法提取连续清晰轮廓边缘的问题,本文在对图像进行平滑处理、高斯背景建模、背景减除二值化以及形态学闭运算后,利用串行分割算法提取人体轮廓边缘。实验证明该方法提取的人体轮廓图像完整清晰,为人体行走特征提取奠定基础。为提取准确的人体行走特征参数,本文提取了人体轮廓质心关键点以及下肢运动特征。在步行周期内提取出轮廓质心高度、质心到关键点的距离向量、下肢关节角度以及脚摆角,为身份识别提供了可靠的特征参数。为了提高身份识别率,设计一种基于BP神经网络的身份识别模型,并进行特征分类识别实验。实验结果表明,基于轮廓质心关键点和基于下肢关节运动特征的方法识别率分别为88.00%、88.83%,特征融合后识别率达到95.30%,本文提取的人体行走特征能够准确有效地对不同身份进行分类识别。