随着人们对公共安全与隐私意识的不断提高,越来越多基于生物特征的识别技术被应用到安防领域,但在疫情期间传统生物特征如虹膜、人脸、指纹等,在进行识别时有着近距离接触以及不能存在遮挡等要求,会带来感染病毒的风险,而步态具有非接触性、非侵犯性、易感知等特点,可以很好的解决上述问题。然而,对于步态识别,行人的轮廓会随着图像采集设备与行人的角度而发生改变。为此,本文基于改进的胶囊网络,对跨视角步态识别问题进行了研究,主要工作如下:1.共享转换矩阵的胶囊网络研究。由于传统胶囊网络参数较多,在高分辨率图像以及多样本数据集上难以应用,且胶囊表示当前视角下的局部实体,并通过转换矩阵投影到另一个视角,因此,为了减少了网络训练参数,优化动态路由机制,提出了共享转换矩阵的胶囊网络。在MNIST与Fashion-MNIST上与传统胶囊网络的对比结果表明,共享转换矩阵的胶囊网络可以大大减少网络参数,提高网络泛化性能,并保持识别精度基本不变。同时可视化研究了共享转换矩阵胶囊网络的维度与实体属性的关系,通过重构的方式,展示了胶囊维度变化对实体属性的影响。2.融合视角特征的跨视角步态识别方法研究。行人轮廓会随着视角变化而发生改变,从而影响步态识别准确率,为此,提出了融合视角特征的跨视角步态识别模型,从而提升模型对视角变化的抗干扰能力。首先构建了基于共享转换矩阵胶囊网络的视角识别模型,验证识别不同视角以及提取视角特征的可行性,接着构建了基于卷积神经网络的步态特征提取模型,并将提取到的步态特征与视角特征融合,形成最终的判别特征。模型训练基于孪生网络架构,通过Contrastive损失与Margin损失共同训练神经网络,在CASIA-B上的实验结果表明,使用胶囊网络提取视角特征具有明显优越性,且融合视角特征的跨视角步态识别模型相较传统步态识别模型准确率有明显提升,同时可视化展示了在跨较大视角的情况下,融合视角特征的跨视角步态识别模型具有更好的识别性能。3.基于胶囊网络的跨视角步态识别方法研究。视角是影响跨视角步态识别准确率的主要因素,而胶囊向量可以很好的表示实体之间的姿态、空间位置等信息,因此,为了充分利用胶囊网络的特性,提出了基于胶囊网络的跨视角步态识别模型。模型采用三元组网络架构,并使用Triplet损失与Margin损失结合的最终损失训练网络,在CASIA-B数据集上的实验结果表明,在相同的实验条件下,基于胶囊网络的跨视角步态识别模型比传统步态识别模型识别准确率提高了4.13%,表明了使用胶囊网络提取步态特征的有效性。