本发明提出了一种基于遥感图片与兴趣点数据的城市用地功能识别方法。以往的城市功能区识别方法只针对单一的遥感影像数据或社会感知数据，在一定程度上忽略了城市区域的整体功能属性信息。为解决这一问题，提出了一种多模态城市用地功能识别框架。方法包括：构建了一种用于城市遥感图像识别的深层多通道残差神经网络，探索遥感图像中的空间地理特征。其次，研究了城市不同功能区的兴趣点分布的频率功能密度，并基于度量学习提取城市区域的功能分布特征。最后，在异构特征融合模组中融合不同维度的两种特征，进一步提高城市用地功能识别性能。实验证明，该方法具有很好的实用性，可广泛应用于城市功能区的识别。