1.低成本步态识别与可疑行为检测方法，其特征在于：包括以下步骤：利用摄像头实时捕捉监控区域内的行人目标；

采用YOLO目标检测算法对行人目标进行动态跟踪，并将锚框中的行人图像连续截取并保存；

对保存的图像进行边缘检测处理，提取图像的轮廓信息；

选取相邻的连续N幅图像进行堆叠，形成三维张量；将连续N幅经过边缘检测的图像进行堆叠，表示为三维张量的叠加过程；每幅图像的边缘检测结果记为Edgek，其中k=1,

2,...,N表示第k帧图像，堆叠过程为：对每一幅截取图像k的边缘检测结果记为矩阵 ，表示图像在像素 处的边缘信息；

将N幅连续的边缘检测图像堆叠为三维张量 ，其中第三个维度k表示时间序列的顺序，具体表示为：最终堆叠结果为：

将堆叠后的图像输入到预训练的基于卷积神经网络CNN的分类系统中，分析图像序列中的行为特征；

判断目标行为是否符合可疑行为标准，并进一步确定具体的行为类别；

若系统识别为可疑行为，则实时输出识别结果，并向安保或监控系统发送警报。

2.根据权利要求1所述的低成本步态识别与可疑行为检测方法，其特征在于：所述对保存的图像进行边缘检测时，使用Sobel算子或Canny边缘检测算法。

3.根据权利要求1所述的低成本步态识别与可疑行为检测方法，其特征在于：所述可疑行为包括翻越栅栏。

4.低成本步态识别与可疑行为检测系统，其特征在于：该系统包括：摄像头模块，用于实时捕捉监控区域内的行人目标；

目标检测模块，用于对目标进行动态跟踪，并将锚框中的行人图像连续截取并保存；

图像处理模块，用于对保存的图像进行边缘检测处理，并选取相邻的连续N幅图像进行堆叠；

行为识别模块，用于将堆叠后的图像输入到预训练的基于卷积神经网络CNN的分类系统中，分析图像序列中的行为特征，并判断目标行为是否符合可疑行为标准，并进一步确定具体的行为类别；

告警模块，用于若系统识别为可疑行为，则实时输出识别结果，并向安保或监控系统发送警报；

摄像头模块实时捕捉监控区域内的行人目标图像；

目标检测模块使用YOLO算法对行人目标进行检测和跟踪，并截取锚框内的行人图像；

图像处理模块对截取的行人图像进行边缘检测，提取图像轮廓信息；

图像堆叠模块将连续N幅边缘检测后的图像进行堆叠，形成三维张量；将连续N幅经过边缘检测的图像进行堆叠，表示为三维张量的叠加过程；每幅图像的边缘检测结果记为Edgek，其中k=1,2,...,N表示第k帧图像，堆叠过程为：对每一幅截取图像k的边缘检测结果记为矩阵 ，表示图像在像素 处的边缘信息；

将N幅连续的边缘检测图像堆叠为三维张量 ，其中第三个维度k表示时间序列的顺序，具体表示为：最终堆叠结果为：

行为识别模块将堆叠后的图像输入到CNN模型中，分析行为特征并进行行为识别；

若识别到可疑行为，告警模块会实时输出识别结果并向安保或监控系统发送警报。

5.根据权利要求4所述的低成本步态识别与可疑行为检测系统，其特征在于：所述图像处理模块采用Sobel算子或Canny边缘检测算法。

6.根据权利要求4所述的低成本步态识别与可疑行为检测系统，其特征在于：所述行为识别模块采用预训练的卷积神经网络模型。