1.一种基于唇部运动的深度学习身份识别方法，其特征在于，所述方法包括以下步骤：
步骤S1：采集视频数据样本；
步骤S2：对所述视频数据样本进行预处理，得到样本数据库；
步骤S3：将所述样本数据库分为多个对应的训练数据集和测试数据集，并基于多个训练数据集训练得到相应的深度神经网络模型；
步骤S4：将多个测试数据集输入至所述深度神经网络模型中，提取得到对应的特征，并提取得到的特征与对应训练数据集的特征进行比对，计算特征之间的相似度，根据所述相似度的大小得到身份识别结果。
2.根据权利要求1所述的方法，其特征在于，所述步骤S1包括以下步骤：
步骤S11：随机选取多名实验对象；
步骤S12：对实验对象进行实验前的实践操作教育；
步骤S13：完成视频数据样本的采集。
3.根据权利要求1所述的方法，其特征在于，所述步骤S2包括以下步骤：
步骤S21：对所述步骤S1采集得到的视频数据样本进行筛选，去除无效图像得到有效图像；
步骤S22：在所述有效图像中截取得到唇部图像；
步骤S23：将单个视频所包含的唇部图像数量进行统一化处理，组成样本数据库。
4.根据权利要求3所述的方法，其特征在于，所述无效图像包括：显示不清晰图像、非读取过程图像、未含有完整唇部区域的图像中的一种或多种。
5.根据权利要求3所述的方法，其特征在于，所述步骤S21包括以下步骤：
步骤S211，将单个视频数据样本处理得到多帧图像；
步骤S212，在多帧图像中筛选得到有效图像。
6.根据权利要求4所述的方法，其特征在于，所述步骤S22还包括通过缩放操作对所述唇部图像进行归一化的步骤。
7.根据权利要求1所述的方法，其特征在于，所述步骤S3包括以下步骤：
步骤S31：将所述样本数据库进行训练数据集和测试数据集的分组；
步骤S32：将所述训练数据集中的训练数据输入深度神经网络模型的特征提取功能模块，提取出每个训练数据对应的特征；
步骤S33：将所述步骤S32到的特征序列送入深度神经网络模型的感知机功能模块输出识别结果；
步骤S34：计算识别结果与真实结果之间的误差，根据得到的误差训练得到所述深度神经网络模型。
8.根据权利要求1所述的方法，其特征在于，所述深度神经网络模型由卷积神经网络和长短时记忆网络构成。
9.根据权利要求1所述的方法，其特征在于，所述深度神经网络模型包含特征提取功能模块和感知机功能模块。
10.根据权利要求1所述的方法，其特征在于，所述步骤S4还包括输出相应数据的识别准确率的步骤。