La marcha se define comúnmente como el patrón de movimiento de las extremidades sobre un sustrato duro, y sirve como fuente de información de identificación para diversas técnicas de visión por computadora y comprensión de imágenes. Una variedad de parámetros, como la vestimenta humana, el cambio de ángulo, el estilo de caminar, la oclusión, y otros, tienen un impacto significativo en los sistemas de reconocimiento de marcha, lo que hace que la escena sea bastante compleja de manejar. En este artículo, proponemos un sistema que maneja de manera efectiva los problemas asociados con los cambios de ángulo de visión y estilos de caminar en un entorno en tiempo real. Los siguientes pasos se incluyen en el novedoso marco propuesto: (a) captura de video en tiempo real, (b) extracción de características utilizando aprendizaje por transferencia en el modelo profundo ResNet101, y (c) selección de características utilizando el enfoque de entropía controlada por curtosis (KcE) propuesto, seguido de un paso de fusión de características basado en correlación. Las características más discriminantes se clasifican luego utilizando los clasificadores de aprendizaje automático más avanzados. El proceso de simulación se alimenta con el conjunto de datos CASIA B y un conjunto de datos capturado en tiempo real. En los conjuntos de datos seleccionados, la precisión es del 95.26% y 96.60%, respectivamente. En comparación con varias técnicas conocidas, los resultados muestran que nuestro marco propuesto las supera a todas.