本发明涉及一种基于分阶段多级金字塔的跨视角步态识别方法,包括:骨架网络构建:完成初级特征及高级特征提取;分阶段多级金字塔构建:进行分块操作,实现不同级别特征的提取;时序特征提取模块构建:首先经过特征平滑卷积层进行特征的进一步提取以及输出通道的调整,然后使用全局平均池化进行时序特征编码,输入到循环神经网络中进行多帧信息的融合;整体框架训练;跨视角步态识别。本发明模型具有更大的灵活性和有效性。本发明能够有效利用步态剪影图序列中所包含的帧级特征和序列级特征,在特征提取方面更加有效。采用组合损失对模型进行优化,有效地加快网络收敛速度,提升识别效果⊙