随着人工智能、大数据等前沿科技的不断发展,生物识别技术飞速发展,在许多领域得到了广泛的应用。步态识别作为生物识别技术的一个分支,与其它生物识别技术相比,具有远距离识别、无需主动配合、不易伪装、环境适应性强等优势,因此受到越来越多研究者的关注。目前的步态识别研究仍然停留在单人阶段,以致于步态识别很难落实到实际应用中。为了解决多人步态识别的问题,本文将多目标跟踪与分割技术和步态识别技术相结合,提出相应的多目标跟踪与分割方法和步态识别方法。基于上述研究内容,设计并实现多人步态识别系统。本文的主要研究内容具体如下:（1）提出一种基于混合掩膜网络和位置编码的多目标跟踪与分割方法,以提升实例分割和目标跟踪的质量。该方法将基于无锚框的检测框架作为主干网络用来进行目标检测,之后在主干网络的基础上添加分割分支和跟踪分支。在分割分支中,通过混合模块混合顶层和底层的语义来提取更准确的实例分割特征,从而生成更高质量的掩膜。在跟踪分支中对目标的位置信息编码,并与外观特征相融合,从而减少目标身份切换的次数。（2）提出一种基于三维重建和多粒度特征融合的行人步态识别方法,以提升步态识别的鲁棒性和准确率。该方法通过三维人体重建的方式生成全新的步态轮廓表征,对于生成的步态表征,利用帧级部分特征提取器提取特征,再通过多粒度特征融合模块来对行人的不同粒度进行时空表征建模,最后利用三元组损失函数来训练整个网络。通过三维人体重建的方式,可以有效缓解行人外观发生变化时带来的负面影响,从而提升步态识别的鲁棒性。而多粒度特征融合模块则充分利用行人的全局和局部时空信息,从而提升步态识别的整体效果。（3）基于上述研究内容,设计并实现多人步态识别原型系统。该系统主要包括多目标跟踪与分割模块、剪影步态识别模块和三维人体重建步态识别模块,同时为了保证系统的可用性和完整性,添加一个视频输入模块和数据存读模块。经过研究表明,设计的原型系统具有一定的应用价值。