التعرف على البشر من خلال تسلسلات مشيتهم، المعروفة بـ "التعرف على المشية" (gait recognition)، هو مهمة فهم بيومتري مفيدة لأنه يمكن ملاحظتها من مسافة بعيدة ولا تتطلب تعاونًا من الموضوع. هناك طريقتان شائعتان لتمثيل تسلسل المشية للشخص وهما الصور المقطوعة (silhouettes) والهيكل العظمي للمفاصل (joint skeletons). قد تعاني سلاسل الصور المقطوعة، التي تسجل حدود الشخص المشي في كل إطار، من التغيرات في المظهر الناجمة عن الأشياء التي يحملها الشخص وملابسه. الكشف عن المفاصل الإطاري يكون ضوضائيًا ويُدخل بعض الاهتزازات التي لا تكون متسقة مع الاكتشافات المتتابعة. في هذا البحث، نجمع بين الصور المقطوعة والهياكل العظمية ونحسن التوقعات الإطارية للمفاصل للتعرف على المشية. باستخدام المعلومات الزمنية من سلاسل الصور المقطوعة، نوضح أن الهياكل العظمية المحسنة يمكن أن تحسن أداء التعرف على المشية دون الحاجة إلى توضيحات إضافية. نقارن طرقنا على أربع قواعد بيانات عامة هي CASIA-B وOUMVLP وGait3D وGREW، ونظهر أداءً رائدًا في هذا المجال.