一种基于多模态多任务学习的身份识别方法及系统

本发明提出了一种基于多模态多任务学习的身份识别方法及系统，属于身份识别技术领域；方法包括：获取测试者不同运动行为下的运动数据；对所述运动数据进行预处理，构建步态事件检测任务标签和身份识别任务标签；将构建的任务标签和运动数据进行重组，获取数据集；将数据集中的数据输入到训练好的含注意力机制的CNN‑LSTM网络模型中，通过注意力机制，对时间与空间维度进行权重学习，从而获取带有权重的特征表示；通过CNN层和LSTM网络层进行学习，输出维度改变后的特征表示；利用两个全连接网络输出测试者的步态特征以及对应的身份信息。解决了现有技术仅利用单一模态信息带来的性能表现差的问题。与传统依赖人工实现特征提取方法相比，大大减轻了工作量。