生物特征识别技术是指利用人类个体之间的生理特征或者行为特征的差异对个体身份进行识别的技术。近年来,随着计算机运算能力的快速提升和信息数据爆发式的增长,基于深度神经网络的新一代人工智能技术正在被广泛地应用在生物特征识别领域。步态识别是一种新型的生物识别技术。与指纹、人脸、虹膜等对输入数据质量要求较高的识别技术不同,步态识别对输入数据的质量要求很低,录入时不需要特殊的设备,使用普通监控摄像头即可进行。又因为在数据采集时不需要目标进行配合,可以在远距离隐蔽地执行,所以步态识别技术在安防、侦查等领域有很大优势。目前数量飞速增长的监控摄像头为步态识别提供了大量的训练数据,也为步态识别的进行提供了硬件基础。本设计提出了一种多角度步态识别的解决方案,利用深度学习方法提取步态序列中包含的身份信息进行身份识别。为了增强网络提取步态中身份信息的能力,减小遮挡物和角度变化等问题对步态识别带来的影响,提出了以下解决方法:（1）为了减轻遮挡问题对特征提取的影响,使用了动态步态图（Dynamic Gait Image）,动态步态图是一种在预处理阶段对步态轮廓图进行处理的一种方法,将步态轮廓划分成动态和静态两部分,有利于网络提取受遮挡影响较小的动态步态信息。（2）提出了一个双路步态特征提取网络（Bi-Route）通过增加动态特征占比,稀释静态特征占比降低遮挡物的影响。网络以动态步态图为输入,使用二维卷积操作分别提取步态序列中的全局轮廓特征和帧级轮廓特征,使用三维卷积操作从帧级轮廓特征中提取动态特征。（3）开发了一款步态识别软件,软件改进了步态识别的流程,先判断目标步态的拍摄角度,再从相应拍摄角度的数据库中查找特征最相似的身份标签。使用这种方法可以减小角度变化对步态识别准确度的影响,同时也能精确数据库的检索区间,从而提升搜索的速度和准确度。使用CASIA-B数据集对网络进行了训练,在同视角和交叉视角两种条件下进行验证其有效性,还与目前较为先进的方法进行比较,结果表明提出的方法有较强的步态特征提取能力。