戚艳军，孔月萍，王佳婧，朱旭东

(1.西安建筑科技大学 机电工程学院，陕西 西安 710055；2.西北政法大学 商学院，陕西 西安 710063；3.西安建筑科技大学 信息与控制工程学院，陕西 西安 710055)

步态识别是通过走路的姿态对行人身份进行识别，具有非接触、非侵入、难伪造、可远距离获取的特点，在安全监控、医疗诊断等领域有着广阔的应用前景[1]。由于步态受外部环境(拍摄视角、路面等)以及行走条件(着装、携带物等)的影响较大，因此，挖掘并学习与视角无关的、可抵御行走条件变化的步态特征是步态识别研究的热点之一。

现有步态识别方法多使用由图像或视频序列生成的类能量图(如步态能量图、运动轮廓图等)进行表观建模。基于表观建模的跨视角步态识别方法有聚类视角估计[2-3]、投影映射法[4-5]、视觉转换法[6-7]等。近年来，使用深度学习实现跨视角步态识别的方法不断涌现，这些方法利用卷积神经网络(Convolutional Neural Networks，CNN)[8-9]、3D CNN[10-11]的层级抽象特征提取能力，提取类能量图中与视角无关的时空特征；文献[12]采用GaitGAN网络解决视角、衣着等因素对步态识别性能的影响。这些方法较好地应对了步态识别中的视角变化难题，但是类能量图本质上是步态特征的二维表达，在视角跨度较大的情况下，识别性能急剧下降。同时，部分类能量图在步态叠加过程中也会造成步态时序信息以及细粒度的空间信息丢失问题。

还有学者使用基于模型的步态识别方法。这类方法对人体结构和姿态信息进行特征建模。……