随着信息化和数字化社会的快速发展,许多领域采用了基于指纹、虹膜、人脸、声纹等生物特征的身份识别技术来保障个人和公共安全。生物特征识别技术虽然在日常生活中发挥着越来越重要的作用,但是还存在着诸多不足。人体步态作为一种新型生物特征因其不易伪装、可远距离识别、无需配合等特点弥补了现有生物特征识别中的不足,其在安全领域中将发挥着无可代替的作用。因此,基于人体步态的身份识别越来越受到关注并且成为身份识别中的研究热点。然而,目前步态识别技术还存在着许多挑战,如衣着、速度、视角等。为了更好地解决步态识别中的挑战并将步态识别应用于实际生活中,本文基于深度学习的方法对步态识别进行研究,主要工作如下:1.对国内外的步态研究现状进行调研,分析目前步态识别技术中所存在的挑战,介绍主要的步态识别方法并分析各种方法的优势与不足。2.基于步态能量图的身份识别研究。在步态识别中因步态能量图能够有效地减少数据量并保留了动静态的特征,所以其常被用于特征提取。据此,本文基于卷积受限玻尔兹曼机提出并设计了特征学习网络。该网络利用无监督的卷积受限玻尔兹曼机对步态能量图进行训练以生成具有步态特征提取功能的网络模型,并且采用不同尺寸的卷积核进行卷积以获取不同类型的特征并将其进行融合。同时,为了实现基于步态的身份识别功能,本文使用有监督的全连接层网络对提取到的步态特征进行学习并进行身份识别。3.基于步态图像序列的身份识别研究。为了更加充分地获取步态图像的有效特征,本文基于步态图像序列进行身份识别研究。首先,为了减小因外形改变对最终识别所带来的不利影响,本文基于人体模型构建掩膜对步态图像进行处理。接着,在步态能量图特征学习网络研究的基础上,提出改进后的步态识别网络对步态图像序列进行训练和识别,其主要包括卷积受限玻尔兹曼机、全连接网络和特征空间平均值模型等。同时,针对输入的步态图像序列,本文提出基于多数投票和特征空间平均值模型的投票算法以提高识别准确率和系统鲁棒性。4.实现基于步态图像信息的身份识别系统软件设计。本文在算法研究的基础上采用Tensorflow、OpenCV计算机视觉库和MySQL数据库进行识别系统的开发,其具有数据录入、身份实时识别和历史识别信息查询等功能。