1.一种改进GaitSet的红外步态识别方法，其特征在于，包括如下步骤：

1)将初始CASIA‑C红外步态数据集中的视频序列按帧率拆分成图像序列；2)采用Faster  R‑CNN算法精准定位红外步态图像中的人体所在区域，返回人体最小包围框的同时标明不同区域内容所属类别，并采用Deeplab  v3+算法提取人体剪影，构建样本集；

3)构建改进GaitSet的步态识别网络，通过引入剪影差分融合模块来凸显相邻步态帧之间的动态变化信息；

所述的剪影差分融合模块，其特征在于利用图像中像素点灰度值与门限阈值进行比较，从而突出图像帧中的变化部分，忽略相似部分，该模块可捕捉相邻步态剪影中纹理及边界的差异信息，过程定义为：64×64大小。

3.如权利要求1所述的改进GaitSet的红外步态识别方法，其特征在于，引入残差单元Bottleneck，使得网络前向传播过程中卷积层之间可形成跳跃连接，在实现对输入与输出的恒等映射、特征降维、加深网络层次以及加快模型收敛速度目的的同时不会造成模型性能退化，输入与残差映射的关系为：