L’identification de personnes basée sur des vidéos (Re-ID) est une tâche complexe dont l’objectif est de reconnaître des individus à travers différentes caméras à partir de séquences vidéo. Alors que la plupart des méthodes existantes se concentrent uniquement sur les informations d’apparence, l’incorporation des caractéristiques de la démarche (gait) pourrait potentiellement améliorer les performances des systèmes d’identification de personnes. Dans cette étude, nous proposons GAF-Net, une nouvelle approche qui intègre à la fois les caractéristiques d’apparence et celles de la démarche pour identifier les individus. Les caractéristiques d’apparence sont extraites à partir de trajectoires RGB (tracklets), tandis que les caractéristiques de démarche sont obtenues à partir d’estimations de posture squelettique. Ces deux types de caractéristiques sont ensuite fusionnés en un vecteur unique permettant une identification précise des individus. Nos expériences numériques sur le jeu de données iLIDS-Vid démontrent l’efficacité des caractéristiques de démarche squelettique dans l’amélioration des performances des systèmes d’identification de personnes. En outre, en intégrant au cadre GAF-Net le réseau PiT d’avant-garde, nous améliorons à la fois la précision au rang 1 et celle au rang 5 de 1 point de pourcentage.