随着科学技术的发展,人们的生产生活发生了天翻地覆的变化。其中基于生物特征的身份识别技术是指利用人类个体生物学差异借助科学手段对人身份进行区分判别的技术,也被称作生物特征识别技术。现有的生物识别技术有指纹识别、虹膜识别、人脸识别和声纹识别等等。现有成熟的视觉生物识别技术如指纹识别、人脸识别和虹膜识别均强依赖于高质量图像信息,这就需要被识别人配合,近距离采集人体局部图像信息。然而,在某些特殊的身份识别应用场合,如司法鉴定中,犯罪嫌疑人在实施犯罪的过程中会故意隐藏指纹、人脸等图像信息致使身份识别无法进行。此时,无需被识别者配合、难以隐藏伪装、可以利用图像序列进行识别的人体步态识别成为了近年来身份识别领域研究的热门。本文研究的是一种基于步态特征的身份识别算法,旨在提取步态图像序列中的人体步态特征,再利用该特征对人进行身份识别。该算法利用深度神经网络的学习能力,通过监督学习的方式利用公开数据集CASIA-B进行训练和验证,从理论和实践两方面证明了该算法的有效性,特别是对于人体着装穿戴等发生变换的情况。本文首先介绍了本课题的研究背景、研究意义和国内外研究现状。接下来详细介绍了水平去除算法,包含随机水平去除算法和连续水平去除算法,并分别对随机水平去除算法和连续水平去除算法进行实验同时分析实验结果,得出连续水平去除算法在提取人体步态特征上具有更好表现的结论。随后完整地阐述了本文所介绍的身份识别算法的设计与实现。包括所选的数据集详情、数据预处理过程、数据清理过程、完整的特征提取网络。其中,特征提取网络又分为前卷积网络、组合策略、多维度连续水平去除算法、全连接层和距离计算5个部分。前卷积网络中应用残差块提高网络学习能力以及其结构设计均为本文首次提出;组合策略合理的对空间特征在时间维度上进行运算并组合以获得降维时空融合特征也是本文提出的创新型关键技术之一;而多维度连续水平去除算法完成了特征级的数据扩增,简单有效地提高神经网络的泛化能力同样是本文提出的亮点技术之一。同时,本文整理了身份识别相关技术在CASIA-B数据集上的全部实验。分别对本文所提出的关键技术点逐一进行实验验证,验证技术点包括:数据预处理、前卷积网络、组合策略和MDCHD,实验结果均显示本文所提出的算法是有效的。最后,本文开展了与本文所提出身份识别算法实验论证。论证实验涉及3个不同的应用,分别是跨行走类型的步态识别、交叉视角的步态识别、基于步态特征的身份重识别。其中跨行走类型的步态识别和交叉视角的步态识别两个实验结果分别与现有的一流算法进行训练集、验证集均完全一致的对比实验,实验结果表明本设计在步态特征的提取能力更强,模型更具有鲁棒性,实验结果在现有算法中列居首位。另外,对基于步态特征的身份重识别应用展开了验证实验和推理实验,推理实验涉及了CASIA-B数据集以外的步态数据,并开发了推理平台,充分体现本设计算法在数据集以外的工程实际中也具有良好的表现。