보행 인식은 개인의 고유한 걷기 스타일을 통해 식별하는 생체 측정 기술로, 제약이 없는 환경에서 적합하며 다양한 응용 분야를 가지고 있습니다. 현재의 방법들은 주로 신체 부위 기반 표현을 활용하지만, 종종 지역 운동 패턴 간의 계층적 의존성을 간과합니다. 본 논문에서는 거칠게 세분화된 보행 특징을 추출하기 위한 계층적 공간-시간 표현 학습(Hierarchical Spatio-Temporal Representation Learning, HSTL) 프레임워크를 제안합니다. 우리의 프레임워크는 전체 신체에서 지역 세부 사항까지 다중 수준의 신체 구조를 복원하기 위해 계층적 클러스터링 분석으로 시작됩니다. 다음으로, 지역에 독립적인 운동 특징을 학습하도록 설계된 적응형 영역 기반 운동 추출기(Adaptive Region-based Motion Extractor, ARME)가 제시됩니다. 제안된 HSTL은 상위에서 하위로 여러 개의 ARME를 쌓아서 각 ARME가 계층의 특정 파티션 수준에 대응하도록 합니다. 적응형 공간-시간 풀링(Adaptive Spatio-Temporal Pooling, ASTP) 모듈은 다양한 수준의 세부 정보에서 보행 특징을 포착하여 계층적 특징 매핑을 수행합니다. 마지막으로, 프레임 레벨 시간 집계(Frame-level Temporal Aggregation, FTA) 모듈이 사용되어 다중 스케일 시간 다운샘플링을 통해 보행 시퀀스 내의 중복 정보를 줄입니다. CASIA-B, OUMVLP, GREW 및 Gait3D 데이터셋에 대한 광범위한 실험 결과는 우리 방법이 최신 연구보다 우수한 성능을 발휘하면서 모델 정확성과 복잡성 사이에서 합리적인 균형을 유지함을 입증하였습니다.