深度学习架构的步态和面部特征融合识别方法及系统

本发明适用于生物识别技术领域，提供了一种深度学习架构的步态和面部特征融合识别方法及系统，所述方法包括以下步骤：监测地铁闸机的刷卡事件，解析卡片ID信息并生成动态时间窗口信号；采集刷卡者的足底压力分布和面部视频并进行处理得到时空对齐的足压时序数据和抗遮挡面部图像；根据足压时序数据重建连续步态相位特征，利用抗遮挡面部图像逆向还原挤压状态下的三维面部生物特征，整合得到人体生物特征向量；对人体生物特征向量进行置信度评估并进行动态加权融合得到多模态特征，再通过时间窗内多轮投票机制生成最终身份认证结果。本发明在复杂场景下实现了高精度、低误识率的融合识别，为地铁闸机的智能化管理提供了稳定可靠的解决方案。