本发明提供一种基于联邦学习的人类活动识别方法和系统。该方法包括：步骤1：服务器确定训练任务和对应的活动数据特征，生成初始模型参数并下发至各个客户端；步骤2：每个客户端根据接收到的初始模型参数或新的全局模型参数，结合自身的本地活动数据进行本地训练，生成本地更新参数，将本地更新参数上传到服务器；步骤3：服务器将接收到的各个客户端的本地更新参数进行加权平均聚合以产生新的全局模型参数，将新的全局模型参数下发至各个客户端；步骤4：重复执行步骤2至步骤3，直至达到训练停止条件得到最终的全局模型参数，服务器将最终的全局模型参数下发至各个客户端。本发明在保护用户隐私的同时提升了HAR识别的准确率。