1.一种红外图像目标检测模型构建方法，其特征在于，方法包括：

（1）构建红外图像集与各红外图像的目标标签构成的标签集，所述红外图像集由包含大目标、中目标和小目标中一种目标的红外图像；包含大目标、中目标和小目标中两种目标的红外图像以及包含大目标、中目标和小目标的红外图像构成；所述大目标的像素值为大于96*大于96、所述中目标的像素值为(32‑96]*（32‑96]、所述小目标的像素值为（12‑32]*（20‑32]；

（2）采用红外图像集与标签集对改进ResNet网络进行训练，得到红外图像目标检测模型；所述改进ResNet网络的构建方法包括：采用可见光图像集对初始ResNet网络进行训练得到预训练网络，所述初始ResNet网络包括依次设置的输入层、四个卷积层及输出层；之后在预训练网络的输入层与第一层卷积层之间添加第一注意力机制模块，在最后一层卷积层与输出层之间添加第二注意力机制模块，并且在第一层卷积层中添加MSFM多尺度模块，得到改进ResNet网络；

输入图片后，首先进行模型加载，所述预训练网络在识别红外图像之前经过第一注意力机制模块，提高网络模型对红外图像的特征提取能力；输出的图像特征作为预训练网络的Stage1处的MSFM多尺度模块的输入，MSFM多尺度模块从输入中提取语义及细节信息，同时将输出特征调整为不同尺度，并在不同尺度上进行处理，然后将不同尺度的信息进行调整与第一层卷积层的输出特征进行融合输出；输出后的特征经过第二层卷积层时，进入1*1卷积层，步长为2，降低输入尺寸，进行BN和ReLu操作；对得到的结果进行3*3卷积操作，步长为1，进行BN与ReLu操作，再进行1*1的卷积操作，并在第二层卷积层输出时加入残差模块，统一输入与输出尺寸；第三层卷积层与第四卷积层，功能同第二层卷积层，仅增加通道数，降低输出尺寸，最后得到提取后的图像特征；提取后的图像特征经过第二注意力机制模块进行提取，调整关注对象，让模型将注意力放在重点地方，帮助模型选择更好的中间特征，降低其他特征对模型的影响。

2.如权利要求1所述的红外图像目标检测模型构建方法，其特征在于，所述红外图像为包含车辆目标与行人目标的红外图像。

3.如权利要求1所述的红外图像目标检测模型构建方法，其特征在于，所述的初始ResNet网络选自ResNet‑50、ResNet‑18或ResNet‑101。

4.一种红外图像目标检测方法，其特征在于，利用权利要求1构建的红外图像目标检测模型对红外图像中的目标进行检测。

5.一种红外图像目标检测系统，其特征在于，包括图像预处理模块和检测模块，所述图像预处理模块用于将红外视频转化成图像；所述检测模块利用权利要求1所述模型对转化后的图像中的目标进行检测。