رغم أن تقنية التعرف على مشية الإنسان قد أثارت اهتمامًا بحثيًا متزايدًا مؤخرًا، فإن الاختلافات في المظهر السطحي تكون دقيقة للغاية في المجال المكاني، مما يجعل تمثيل الخصائص الزمنية أمرًا حاسمًا للتعرف على المشية. مستوحى من ملاحظة أن البشر يمكنهم التمييز بين مشيات الأفراد المختلفين عن طريق التركيز بشكل تكيفي على مقاطع ذات مقياس زمني متغير، نقترح شبكة متعددة المقاييس واعية بالسياق مع تحويلات (MCAT) للتعرف على المشية. تقوم شبكة MCAT بإنشاء خصائص زمنية عبر ثلاثة مقاييس، وتجمعها بشكل تكيفي باستخدام المعلومات السياقية من وجهتي النظر المحلية والعالمية. وبشكل خاص، تحتوي شبكة MCAT على وحدة تجميع زمني تكيفي (ATA) تقوم بنمذجة العلاقات المحلية ثم العالمية لدمج الخصائص المتعددة المقاييس. بالإضافة إلى ذلك، من أجل تعويض الفساد في الخصائص المكانية الناجم عن العمليات الزمنية، تم دمج وحدة تعلم الخصائص المكانية البارزة (SSFL) لاختيار مجموعات من الخصائص المكانية التمييزية. أثبتت التجارب الواسعة التي أجريت على ثلاث قواعد بيانات الأداء الرائد لهذه التقنية. بالتحديد، حققنا دقة تصنيف أولى بلغت 98.7٪ و96.2٪ و88.7٪ في ظروف المشي العادي والمشي حامل الحقيبة والمشي مرتدٍ المعطف على قاعدة بيانات CASIA-B، ودقة 97.5٪ على قاعدة بيانات OU-MVLP ودقة 50.6٪ على قاعدة بيانات GREW. سيتم توفير الكود المصدر في الرابط https://github.com/zhuduowang/MCAT.git.