步态是一种生物特征,在监视系统中确定与摄像机相距一定距离的身份方面起着重要作用。 基于轮廓的步态由于其有效性和效率在当前的步态识别社区中得到了广泛的应用。 基于步态的身份验证系统受制于挑战性因素,例如视野变化和协变量条件。 所提出的算法基于三个协变量场景对步态进行分类。 第一种情况是视图变化,第二种情况是带着书包行走,第三种情况是穿着大衣行走。 基于转移学习方法的卷积神经网络(CNN)多层感知器(MLP)用于对不同对象的步行步态进行分类,以便对其各自的类别进行身份验证。 所提出的系统是通过使用基准数据集的子集的新方法转移学习继续进行的最新技术。 在所提出的方法中,实验结果表明,从CASIA-B Gait数据集合并的测试数据中,分类精度为98%。