随着科学技术的发展,基于虹膜、人脸、声纹等各种生物特征的身份识别技术已经越来越流行,现阶段最具吸引力的生物识别技术之一是步态识别。但是,步态识别技术还存在着许许多多的问题,比如复杂的场景,跨视角特征提取不充分,行人携带物或大衣的遮挡等。针对行人携带物遮挡的影响和跨视角下步态提取不充分这些问题,本论文提出了一种基于步态轮廓图和改进卷积神经网络(CNN)的步态识别方法,通过深度学习中在图像处理方面非常有优势的卷积神经网络进行相似性学习。该方法在公开的步态数据集CASIA-B上进行实验,通过与现有方法进行对比试验,结果表明本方法的准确率高于其他方法。在已提出的基于步态轮廓图和改进卷积神经网络(CNN)的步态识别方法基础上,本文又提出了一种基于步态图像序列和CNN-LSTM的步态识别方法,能更好的处理步态时间序列上的问题,同时对输入的步态序列图进行掩膜处理,使得改进方法在行人服装和携带物品变化的情况下表现出更好的鲁棒性。最后,在公开步态数据集CASIA-B上进行实验,实验表明,该方法对比于其他现有方法和之前提出的方法,识别准确率均有所提升。