在本文中步态身份识别是指对加速度传感器采集的步态数据进行识别分析的一种身份识别技术。步态在身份识别领域中具有独特的应用。由于人体步态数据受测试者自身因素以及外部环境的影响,当前时刻、环境、状态下的步态数据往往与其他时刻、环境、状态下的步态数据存在差异,这种差异造成系统的识别率较低,本文的工作目的就是解决动态环境对步态识别造成的影响,本文把动态环境总结为运动行为的变化、放置位置的变化以及环境场所的变化,针对这些问题,本文具体的研究方法如下:本文提出了“先分类后识别”的方案。针对该方案设计了两个判别模型,第一阶段是基于三元组网络的身份类别识别,第二阶段是基于卷积神经网络的个体识别。本文第一阶段设计了三元组网络身份类型识别模型,通过减小同类数据距离,增大不同类数据距离,最终实现了“类内间距小,类外间距大”,对于用户身份的类别识别准确率为0.9。在第二阶段个体识别的研究,首先采用类激活热力图的方式可视化模型“黑盒”,在可视化基础上,通过截取决策片段数据,让模型识别率更高。然后针对环境变化的问题,基于特征迁移的方式解决了动态环境下的身份识别准确率较低的问题,最终达到了较高的准确率。本文通过先分类后识别的技术方案,首先进行身份类别的识别,再进行个体的识别,一定程度上解决了步态身份识别率低以及动态环境对用户步态数据造成差异变化的问题。最终实现了动态环境下的身份识别。