التحقق من الهوية القائم على الفيديو (Re-ID) للأشخاص هو مهمة صعبة تهدف إلى مطابقة الأفراد عبر كاميرات مختلفة بناءً على تسلسلات الفيديو. في حين أن معظم تقنيات التحقق من الهوية الحالية تركز فقط على معلومات المظهر، فإن دمج معلومات المشي (الخطوات) قد يُسهم بشكل محتمل في تحسين أنظمة التحقق من الهوية للأشخاص. في هذه الدراسة، نقترح نموذجًا جديدًا يُدعى GAF-Net، الذي يدمج بين ميزات المظهر وخصائص المشي لتمكين التعرف على الأشخاص؛ حيث يتم استخراج ميزات المظهر من مسارات RGB، بينما تُستخلص ميزات المشي من تقدير وضعية الهيكل العظمي (skeletal pose estimation). ثم تُدمج هذه الميزات في ميزة واحدة تُمكّن من التعرف على الأشخاص. تُظهر التجارب العددية التي أجريناها على مجموعة بيانات iLIDS-Vid فعالية ميزات المشي القائمة على الهيكل العظمي في تحسين أداء أنظمة التحقق من الهوية للأشخاص. علاوةً على ذلك، وباستخدام شبكة PiT الحديثة جدًا ضمن إطار GAF-Net، نُحسّن دقة التصنيف في المرتبة الأولى (rank-1) والمرتبة الخامسة (rank-5) بنسبة نقطة مئوية واحدة.