人体步态作为一种生物身份识别特征,相比于人脸、指纹、声纹等,由于其具有不宜伪装,可接受性高,可以远距离获取等优点,因此在智能安防、刑事侦查等领域具有重要的潜在应用价值。然而,由于实际拍摄环境的复杂性,人体步态识别也面临着诸如拍摄角度,行走速度、携带物等多方面的挑战。在这其中,视频拍摄角度的不同会带来人体步态行走轮廓的明显变化,造成步态识别准确率的剧烈下降,严重阻碍了这项技术走向大规模工程应用。面对此问题,本论文在对国内外步态识别研究现状,尤其是跨视角问题研究现状以及相关基础技术进行充分调研的基础上,基于深度学习方法,对跨视角情况下的步态识别相关技术进行了研究,目的在于提升跨视角场景下步态识别的准确率。本文的主要研究工作归纳如下:（1）基于生成对抗网络的人体步态图像视角转化方法研究。针对步态图像视角不一致的问题,本文基于生成对抗网络,提出了身份保持多目标视角步态图像转化模型,将输入的不同视角下的步态图像,转化至多个统一的目标视角,并利用这些统一目标视角下的步态图像确定其所对应的身份,以此来消除视角差异的影响。在进行视角转化的过程中,加入了身份判别器,从而使得在转化过程中步态图像的身份信息得以保留。与此同时,利用循环生成的方式,提升了图像生成器的生成能力。通过在不同的步态数据库上进行实验验证,证明了本视角转化算法的有效性;（2）基于注意力机制的跨视角步态识别方法研究。在本研究点中,基于注意力机制,本文设计了步态身份识别方法,直接从不同视角的输入步态图像中提取出与视角无关的身份特征并进行识别。本方法首先利用卷积神经网络对输入步态图像进行初步的特征提取,随后,为了充分利用不同精细度下的步态特征,对经过特征提取后的特征张量进行多尺度特征分块;与此同时,为了加强特征块中与身份相关的部分,弱化无关冗余信息,将分块后不同精细度下对应的特征块分别输入相应的混合域注意力机制模块中,生成通道域注意力权重和空间域注意力权重,并根据权重值对特征块进一步处理,最终得出具有身份鉴别力的步态特征。最后,通过实验验证,证明了本方法在解决步态识别跨视角问题上具有一定的优越性。