Hod je jedinstvena biometrijska značajka za svaku osobu, te kao takva ima brojne djelotvorne karakteristike koje omogućuju primjenu prepoznavanja osoba putem hoda u područjima poput kriminalističkih istraga, nadzora, te kontrole pristupa. Jedna od glavnih prednosti hoda kao biometrijske značajke je mogućnost prepoznavanja hoda osobe na daljinu, bez suradnje osobe. Nadalje, moguće je korištenje kamera niske rezolucije za prepoznavanje hoda osobe, što dovodi do smanjenja potrebe za specijaliziranom opremom. Dodatno, skrivanje ili mijenjanje hoda osobe je vrlo teško i zahtjevno, što rezultira činjenicom da je hod osobe vrlo pouzdana metoda identifikacije osobe. Ovaj doktorski rad istražuje problem prepoznavanja osoba putem hoda s ciljem postizanja točne razine prepoznavanja osoba, koristeći samonadzirani pristup učenja za treniranje modela za izlučivanje značajki hoda, kako bi model naučio korisne značajke hoda bez korištenja oznaka podataka, time zaobilazeći potrebu za skupim i dugotrajnim označavanjem podataka. Nadalje, ViT model dubokog učenja je predložen kao bazični model, te su njegove performanse analizirane u kontekstu prepoznavanja osoba putem hoda. Podaci korišteni u ovom radu su pripremljeni u formi skupova podataka za treniranje modela za ekstrakciju značajki hoda, iz skupova podataka CASIA-B i OU-MVLP. Podaci su pretprocesirani kako bi se uklonio suvišan šum te je generirana reprezentacija značajki hoda u obliku GEI slika za svaku osobu, te za svaki ciklus hoda. Zatim je provedena eksperimentalna studija, trenirajući modele za izlučivanje značajki hoda na dva spomenuta skupa podataka. Istrenirani su ViT modeli dubokog učenja s dvije različite veličine podjele ulazne slike na segmente, 16 × 16 i 8 × 8 piksela, kako bi se analizirao utjecaj veličine navedenog parametra na točnost prepoznavanja osoba. Značajke hoda su potom izlučene koristeći istrenirane modele za izlučivanje značajki, te su dobivene značajke hoda klasificirane koristeći predloženi FCNN model za klasifikaciju. Rezultati ostvareni kroz navedenu eksperimentalnu studiju pokazuju kako je navedeni pristup ostvario točnost prepoznavanja osoba putem hoda usporedivu s drugim najsuvremenijim metodama koje kao osnovu koriste nadzirano učenje, te je navedeni pristup robustan na različite varijante poput normalnog hoda, hoda s torbom ili hoda u kaputu, te kuteve pod kojima je osoba snimljena. Takoder, provedena je provjera utjecaja komponenti sustava na učinkovitost kako bi se analizirali utjecaji pred-treniranja modela za izlučivanje značajki hoda na različitim skupovima podataka, te razlike između nadziranog i samonadziranog pristupa učenju za navedeni problem prepoznavanja osoba putem hoda.