步态识别作为一种新兴的生物特征识别技术引起了广泛的关注和研究。与传统的生物特征识别技术相比,其难以伪装,具有非接触性、隐蔽性等特点,逐步在安防,医疗等领域中发挥了重要的作用。然而在实际场景中,遮挡或者携带物都会改变行人的行走特征,并且拍摄视角的变化也会改变行人轮廓的形状,从而影响识别结果。本文针对现有的步态识别方法在多个不同视角下的识别率不高问题,使用深度学习技术来展开研究。本文主要工作及创新点如下:1.提出一种基于联合损失函数和特征图分割的步态识别方法。该方法基于特征图分割网络进行构建,针对采用距离度量学习中三元组损失函数在网络训练时,存在收敛慢、表现不稳定等问题,提出了使用联合损失函数的方式对网络共同训练,以提高网络的判别能力。同时,通过调节两种损失函数在网络中所占的比重来提高网络的训练能力,从而提高识别率。在CASIA-B公开数据集上的实验结果表明,本方法对提升多视角下行人的步态识别准确率的改进效果明显,相比于其他方法具有较好的识别率。2.提出一种基于步态能量图分割的步态识别方法。该方法基于特征图分割网络进行构建,针对采用单幅步态轮廓图作为输入,导致部分特征丢失、计算量大等问题,提出将多幅步态轮廓图合成步态能量图作为输入来进行特征提取,将输入的步态能量图序列进行水平分割并对每部分分别进行处理,最后利用全连接层将提取到的特征向量映射到度量空间后使用联合损失函数进行训练,完成最终的个体识别。在CASIA-B公开数据集上的实验结果表明,无论视角是否发生变化,本方法在多视角下的步态识别效果均优于其它算法。3.本文在对步态识别研究的基础上,设计并实现了一个简单的步态识别系统,按照功能将本系统划分为数据模块、识别模块和展示模块三个模块。在本系统中,首先将运动的行人从视频序列中提取出来,然后将经过预处理后的行人图像使用基于步态能量图分割的网络完成对行人的识别功能。经测试,本系统可以在简单场景下实现行人步态识别的功能。