1.一种基于树莓派的步态人脸融合识别方法，其特征在于，所述方法包括如下步骤：步骤1：自行注册步态数据集，添加需要被识别对象的相关步态图像或使用树莓派摄像头现场采集数据至数据集，过程如下：

1.1)使用图像采集设备采集单一注册者的步态图像，可同时使用多个摄像头进行不同角度定点图像采集；

1.2)对采集到的图像批量操作，使用图像背景差分法提取人体目标轮廓，再转换成二值化图像；

1.3)根据轮廓上下边界，裁去图像上下方全黑部分，将裁剪后的图片根据比例变换为

64像素高的图像；

1.4)再利用垂直中心线原则将图像切割成长宽为64*64的图像；

1.5)重复执行步骤1.1‑1.3三次，获得三组注册集图像；

1.6)对处理完的图像集设置对应标签并保存为注册集；

步骤2：利用训练好的步态识别网络模型对注册集图像进行特征提取，得到注册特征集X，并保存注册特征数据集文件；

步骤3：采集被检测者的步态相关图像，并进行特征提取，过程如下：

3.1)进行类似步骤1.1‑1.4操作后，得到测试集图像；

3.2)利用训练好的步态识别模型对测试集图像进行特征提取，得到检测特征数据Y；

步骤4：比对提取的特征，判断测试者身份RG并计算置信度μG，完成步态结果识别，过程如下：

4.1)将步骤3的检测特征数据步骤与2的注册特征数据集中的单人单次单角度特征集求得欧氏距离，计算公式如下：其中D(Xij,Y)表示注册特征集X的第i个人的第j个角度与检测特征Y的欧式距离，n表示该特征集的维度数量；

4.2)对距离数组根据不同角度分别排序，取出每组角度中距离最小的前3个，记录其对应身份标签；

4.3)对所有记录的身份标签进行统计，次数最多的即为识别结果，求置信度，求解公式如下：其中μG是单次测试的置信度，N为注册集标签数量，m表示每次注册时同时拍摄的角度数量，Lablei表示在这3Nm个样本中，识别为第i个人的总量；

步骤5：采集测试者面部信息，通过证件照或现场拍摄采集的图片进行注册，并保存为与步态对应的标签，提取特征向量制作成注册集；

步骤6：采集检测者在行走过程中的人脸图像，通过步骤3得到的图像，进行人脸检测并获得多张检测者人脸图像，提取特征向量；

步骤7：比对注册集和检测集特征，类似步骤4操作得到人脸识别的检测结果RF和置信度μF；

步骤8：结合行人距离摄影机距离的远近，对于步骤4.3和步骤7得到的识别结果和置信度进行权重分配，得到最终识别结果，置信度公式如下：其中μ是综合人脸识别和步态识别的置信度，λ是调节两个置信度固定权重的参数，满足系数之和等于1，Dmin和Dmax分别为行人在图像中距离摄像头最远和最近的距离，D为当前距离摄像头的距离，当D较大时μG的权重较大，反之μF的权重较大，当识别结果相同时，对两个带权置信度进行相加操作；当识别结果不同时，取带权识别结果较大值作为置信度，并取其结果为最终检测结果，最终确定检测者身份。

2.如权利要求1所述的一种基于树莓派的步态人脸融合识别方法，其特征在于，所述步骤2中，网络首先对多副图像通过CNN特征提取提取出帧级特征；接着用基于Set Pooling的多特征集合池化，从帧级特征中提取序列级特征；同时使用基于多层执行全流程管线MGP的多特征融合，用于不同级别的序列信息；最后，基于HPM的多尺度特征鉴别用于同时提取局部和全局特征。

3.如权利要求1或2所述的一种基于树莓派的步态人脸融合识别方法，所述步骤8中，对于权重参数λ可取0‑0.5之间的实数，其目的在于满足λ和1‑2λ均大于等于0，且满足权重系数