1.一種基于深度學習的步長估計方法，其特征在于，該方法包括以下步驟：

步驟(1)、采集行人自由行走時的三軸加速度以及三軸角速度作為單步傳感數據；

步驟(2)、對于每一個單步傳感數據基于雙零速率修正點D-ZUPT算法進行劃分；具體方法如下：依據人員運動過程中的規律性和周期性，對人員行走的步態周期和相應的加速度進行對應和分解，即設“腳尖離地”時刻為第一零速率修正點F-ZUPT，“腳跟著地”時刻為第二零速率修正點S-ZUPT；如果i時刻的三軸加速度滿足公式如下時，即判定為F-ZUPT點：

|δaiNδt|+|δaiEδt|+|δaiDδt|≥Mth|aiN|+|aiE|+|aiD|≤Nth]]>

其中，t表示采樣間隔，和分別表示i時刻的人員的三軸加速度，M_th和N_th分別表示加速度斜率閾值和加速度閾值；

當人員腳跟觸地時，人員運動的三軸加速度在這個瞬間就會產生一個拐點，即滿足下式：

δainδt=0]]>

其中，表示i時刻的任一軸的加速度，即和集合；

將滿足該式的時間點集合定義為觸地瞬間時間組lgp，在lgp中選取S-ZUPT點，具體處理如下：

計算lgp中三軸加速度的絕對值，選取最大加速度的時刻m；

將時刻m后的第二個時間點當作S-ZUPT點；

選擇F-ZUPT點和S-ZUPT點之間的距離得到單步傳感數據；

步驟(3)、采用視頻分析的方法對實際步長進行推算，通過計算單步行走在圖像中跨越的像素點數目推算實際步長；

步驟(4)、將規范的單步感數據后與基于視頻分析得到的單步步長相關聯，構建出用于學習的訓練數據庫；通過訓練獲得的智能預測模型對行人行進過程中的單步步長進行估計，并通過結果反饋和優化預測模型。