一种基于多模态视频数据的行人识别方法及系统

本申请提供一种基于多模态视频数据的行人识别方法及系统，所述方法包括：获取并将多模态数据集输入至预设的特征提取模型，以使所述特征提取模型使用不同结构的神经网络分别从所述多模态数据集中提取各个行人的不同模态的特征，并将各个特征对齐融合，输出各个行人的多模态特征向量；根据各个所述多模态特征向量构建动态图结构；将所述动态图结构输入至预设的图注意力融合网络，以使所述图注意力融合网络基于多头注意力机制和各个节点之间的拓扑关系进行特征融合，获得所述动态图结构的融合特征矩阵；将所述融合特征矩阵输入至预设的推理引擎，以使所述推理引擎根据所述融合特征矩阵生成对应的行人识别结果，提高行人识别的准确性。