随着人工智能、计算机视觉等技术的快速发展,基于步态的行人身份识别得到了广泛的关注和发展。然而,虽然步态数据的可获得性较高,但是识别率却可能会受到拍摄视角、行走状态等不利因素的影响。为消除不利因素的影响提取有效步态特征,本文提出了基于GAN视角转换的行人身份识别算法,可以将不同视角、不同状态的步态特征图转换为正常服饰、不携带物体的90°侧视图。此外,为提高生成步态图的真实性,使生成图包含较多的身份信息,在传统生成对抗网络（GAN）的基础上引入了身份判别器。在对不同视角、不同状态的GEI特征进行分析后发现,模型在三种典型角度的识别性能随着视角跨度的增大而逐渐降低,并在90°视角取得了最高识别准确率。在CASIAB数据集上的实验结果表明,基于GAN视角转换网络实现行人身份识别是可行的。在GAN视角转换网络的基础上,本文进一步研究提出了一种基于多视角融合的行人身份识别算法。通过协调生成对抗网络的一个生成器和三个判别器（真假判别器、身份判别器、视角判别器）实现三个目标视角（54°、90°、126°）的视角转换和状态转换。此外,为在视角转换过程中减少特征信息的丢失,本文在网络中引入了残差结构,保留了较多的身份信息。为确定行人身份,分别对三个转换视角建立身份识别模型,并在决策阶段使用多数投票的方式对模型的识别结果进行融合。为验证本文模型的有效性与泛化性,分别使用CASIA-B和自建小型步态数据集对网络的性能进行评估。实验结果表明,本文模型在背包与穿大衣状态取得了较好的识别效果。与其他方法相比,本文模型的性能更好,对视角和服饰变化的鲁棒性更强,能更准确的识别行人身份。