基于视频的人体再识别（Person Re-Identification, Re-ID）是一项具有挑战性的任务，旨在通过视频序列在不同摄像头之间匹配同一个体。尽管现有大多数Re-ID方法仅依赖外观特征，但研究表明，引入步态信息有望进一步提升人体再识别系统的性能。为此，本文提出一种新型方法——GAF-Net，该方法将外观特征与步态特征相结合，实现个体的精准再识别：其中，外观特征从RGB轨迹片段（RGB tracklets）中提取，而步态特征则通过骨骼姿态估计获得。随后，两类特征被融合为单一综合特征表示，用于后续的再识别任务。在iLIDS-Vid数据集上的大量实验结果表明，骨骼步态特征能够有效提升人体再识别系统的性能。此外，通过在GAF-Net框架中引入当前先进的PiT（Perceiver Image Transformer）网络，系统在rank-1和rank-5准确率上分别提升了1个百分点，进一步验证了所提方法的有效性与优越性。