步态特征作为生物特征的一种,具有可远距离获取、非接触和不易伪装等特点。特别是在监控场景下,摄像头与行人的距离较远,常用的人脸特征、指纹特征以及虹膜特征都无法获取,而获取行人走路的姿态的步态特征则是较为可行的方法。许多的研究者已经证明了步态识别在远距离的情况下是十分有效的身份识别方法。但是步态识别仍然面临各种挑战,例如视角变化、穿着变化、携带物品等,这些变化往往导致行人步态轮廓的扭曲和变形,从而使得我们很难提取出步态不变特征来区分不同的行人,所以目前步态识别现在还无法在实际场景下使用。针对视角的变化,许多的研究者提出了视角变换模型,将步态特征从一个视角转换到另一个视角。其中大多数的模型都需要先对步态序列的视角进行估计,并且一个模型只能在固定的某两个视角之间进行变换。这种方法不能有效的将任意视角的步态序列转换到一个特定的视角,同时面对其他的变化因素,往往需要另外的模型进行处理。我们提出了两个步态不变特征提取模型。一个是基于多个堆叠自动编码器的SPAE方法,该方法是通过堆叠的多层自动编码器使用渐进的方式来生成步态不变特征。另一个是基于生成对抗模型的GaitGAN方法。该方法由生成模型、真假判别模型和相关性判别模型三部分组成。生成模型将不同视角等各种因素影响下的步态序列转换到一个统一形式下的步态序列,真假判别模型和相关性判别模型来约束生成模型产生的步态序列。这两种方法的优势有,可以在不需要预先对步态序列进行估计的情况下同时解决步态识别中的视角变化、携带物品和穿着变化等问题,并且只需要一个模型即可提取步态不变特征。我们提出的方法在CASIA B和SZU RGB-D两个大型的步态数据库上进行了验证。实验的结果显示本文提出的两个方法可以有效的解决由视角变化、携带物品和穿着变化导致的步态轮廓变形问题,提取的步态不变特征具有良好的鲁棒性,验证集的识别率达到了现有方法的识别率水平并且有巨大的提升空间。