歩行認識は、個々の固有の歩行スタイルを用いて個人を識別するバイオメトリクス技術であり、制約のない環境に適しており、幅広い応用範囲を持っています。現在の方法では、主に身体部位に基づく表現の活用に焦点を当てていますが、しばしば局所的な運動パターン間の階層的依存関係が見落とされています。本論文では、粗い特徴から細かい特徴まで抽出するための階層的空間時間表現学習（Hierarchical Spatio-Temporal Representation Learning: HSTL）フレームワークを提案します。当該フレームワークはまず、階層的クラスタリング分析により全体的な身体構造から局所的な詳細まで多段階の身体構造を復元します。次に、領域非依存的な運動特徴を学習するために適応的領域ベース運動抽出器（Adaptive Region-based Motion Extractor: ARME）が設計されました。提案されたHSTLは上位から下位へと複数のARMEを積み重ね、各ARMEが階層の特定の分割レベルに対応するようにしています。さらに、異なる詳細レベルでの歩行特徴を捉え、階層的特徴マッピングを行うために適応的空间時間プーリング（Adaptive Spatio-Temporal Pooling: ASTP）モジュールが使用されます。最後に、フレームレベルの一時集約（Frame-level Temporal Aggregation: FTA）モジュールが導入され、多段階の一時ダウンサンプリングを通じて歩行シーケンス内の冗長な情報を削減します。CASIA-B, OUMVLP, GREW, および Gait3D データセットにおける広範な実験結果は、当手法が最先端技術を超える性能を示し、モデルの精度と複雑さとの間で合理的なバランスを維持していることを証明しています。