【摘要】为了解决目前深度学习中大型网络计算复杂、难以在嵌入式等移动设备进行部署及应用的问题，在MobileNet V2网络的基础上，提出一种改进型轻量级网络进行步态识别。将CASIA-B数据集进行预处理生成步态能量图，通过调整网络中深度可分离卷积模块，使用 H-swish 激活函数并引入 SE 注意力机制 (squeeze-and-excitation networks)，对行人步态进行分组实验。实验结果表明，改进后的网络模型能有效进行数据集的分类识别，模型大小为 12.55 M，在测试集上的平均识别准确率达到 94.27%，比原始网络提高了 2.29%。同时，在精度和复杂度上获得了较好的平衡，为步态识别方法在移动端等资源受限的设备上提供思路和参考。