La clasificación de género basada en la marcha es un problema desafiante porque los humanos pueden caminar en diferentes direcciones a diferentes velocidades y con patrones de marcha variables. La mayoría de las investigaciones en la literatura se basaron en articulaciones específicas de género, mientras que la comparación de las articulaciones del cuerpo inferior en la literatura recibió poca atención. Al considerar las articulaciones del cuerpo inferior, es importante identificar el género de una persona basándose en su estilo de caminar utilizando el Sensor Kinect. En este documento, se propone un modelo basado en regresión logística para la clasificación de género utilizando articulaciones del cuerpo inferior. El enfoque propuesto se divide en varias partes, incluida la extracción de características, la selección de características de la marcha y la clasificación de género humano. Se extrajeron características de las articulaciones (3 dimensiones) utilizando el Sensor Kinect. Para seleccionar una articulación significativa, se utilizaron una variedad de técnicas estadísticas, incluidas el alfa de Cronbach, la correlación, la prueba T y las técnicas ANOVA. El resultado promedio del enfoque del alfa de Coronbach fue del 99.74%, lo que muestra la fiabilidad de las articulaciones del cuerpo inferior en la clasificación de género. Del mismo modo, los datos de correlación muestran una diferencia significativa entre las articulaciones de hombres y mujeres durante la marcha. Dado que el valor para cada una de las articulaciones del cuerpo inferior es cero y menor que el 1%, las técnicas de prueba T y ANOVA demostraron que las nueve articulaciones son estadísticamente significativas para la clasificación de género. Finalmente, se implementó un modelo de regresión logística binaria para clasificar el género en función de las características seleccionadas. Los experimentos en una situación real involucraron a ciento veinte (120) individuos. El método sugerido clasificó correctamente el género utilizando datos 3D capturados de las articulaciones del cuerpo inferior en tiempo real utilizando el Sensor Kinect con una precisión del 98.3%. El método propuesto superó a los sistemas existentes de clasificación de género basados en imágenes.