1.一种融合加速度和音频信息的脚步检测方法，包括下列步骤：
1)检测双声道音频数据，得出脚步对应的时间区间；所述双声道音频数据包括固定在左脚的采集设备所采集的左脚声道音频数据和固定在右脚的采集设备所采集的右脚声道音频数据；
2)对于步骤1)得出的各个脚步对应的时间区间，根据该时间区间对应的加速度方差进行二次检测，根据该加速度方差是否大于预设的方差阈值判断该时间区间是否为脚步。
2.根据权利要求1所述的融合加速度和音频信息的脚步检测方法，其特征在于，所述步骤2)中，对于每个脚步对应的时间区间，判断该时间区间的加速度方差是否大于方差阈值，如果是，则该脚步区间通过二次检测，认定该时间区间为脚步，如果否，则去掉该时间区间。
3.根据权利要求1所述的融合加速度和音频信息的脚步检测方法，其特征在于，所述步骤1)包括下列子步骤：
11)获取待检测的双声道音频数据并进行分帧处理，得到相应的音频帧；
12)提取每个音频帧的特征向量，基于脚步检测模型得出每个音频帧属于脚步的概率；其中，所述脚步检测模型是以音频帧的特征向量为输入，以音频帧属于脚步的概率为输出的机器学习模型，该机器学习模型以标注了脚跟着地声的音频帧和标注了前脚掌着地声的音频帧为正样本，以前一步的前脚掌着地声与后一步的脚跟着地声之间的多个音频帧为负样本进行训练；
13)根据所得出的各个音频帧属于脚步的概率，得出各个音频帧是否含有脚步声，进而得出脚步对应的时间区间。
4.根据权利要求3所述的融合加速度和音频信息的脚步检测方法，其特征在于，所述步骤12)中，左脚声道的音频帧及其属于脚步的概率构成左脚声道概率曲线，右脚声道的音频帧及其属于脚步的概率构成右脚声道概率曲线；
所述步骤13)还包括：将左、右脚声道概率曲线融合成综合概率曲线，对综合概率曲线进行平滑处理，基于预设的概率阈值得出各个音频帧是否含有脚步声，进而得出脚步对应的时间区间。
5.根据权利要求4所述的融合加速度和音频信息的脚步检测方法，其特征在于，所述步骤12)中，构成所述音频帧的特征向量的特征包括：自相关系数、子带能量特征、过零率、线性预测系数特征和梅尔倒谱系数特征。
6.根据权利要求5所述的融合加速度和音频信息的脚步检测方法，其特征在于，所述步骤12)中，所述机器学习模型采用SVM分类器模型，所述正样本包括已知的左脚声道音频数据中的以每个标注脚跟着地声的位置为中心的三个音频帧和以每个标注前脚掌着地声的位置为中心的三个音频帧，以及已知的右脚声道音频数据中的以每个标注脚跟着地声的位置为中心的三个音频帧和以每个标注前脚掌着地声的位置为中心的三个音频帧；所述负样本包括：左脚声道音频数据中的前一步的前脚掌着地声与后一步的脚跟着地声之间的九个音频帧，以及右脚声道音频数据中的前一步的前脚掌着地声与后一步的脚跟着地声之间的九个音频帧。
7.根据权利要求4所述的融合加速度和音频信息的脚步检测方法，其特征在于，所述步骤3)中，用低通滤波器对综合概率曲线进行平滑处理。
8.根据权利要求7所述的融合加速度和音频信息的脚步检测方法，其特征在于，所述步骤3)中，所述低通滤波器的相对截止频率不超过0.1。
9.根据权利要求7所述的融合加速度和音频信息的脚步检测方法，其特征在于，所述步骤3)中，所述综合概率曲线是左、右脚声道概率曲线的求和叠加。
10.根据权利要求7所述的融合加速度和音频信息的脚步检测方法，其特征在于，所述步骤3)中，所述综合概率曲线是对左、右脚声道概率曲线取较大值后得到的融合概率曲线。