1.一种融合局部掩码机制的图卷积步态识别方法，其特征在于，包括：
2.根据权利要求1所述的融合局部掩码机制的图卷积步态识别方法，其特征在于，将所述原始关节点序列、相对关节点序列及骨骼长度序列输入到训练后的融合局部掩码机制的图卷积步态识别网络ma-gait之前，还包括：
3.根据权利要求2所述的融合局部掩码机制的图卷积步态识别方法，其特征在于，使用人体姿态估计模型提取步态视频数据集中的行人关节点数据。
4.根据权利要求2所述的融合局部掩码机制的图卷积步态识别方法，其特征在于，所述基本时空特征提取模块st-module包含一个融合局部掩码机制的图卷积ma-gcn及一个多尺度时域卷积ms-tcn。
5.根据权利要求4所述的融合局部掩码机制的图卷积步态识别方法，其特征在于，所述融合局部掩码机制的图卷积ma-gcn包括一个多头自注意力映射sm(ht)、一个参数矩阵及一个局部特征掩码矩阵mm，其中，多头自注意力映射sm(ht)用于学习人体各个关节点在空间上的映射关系；参数矩阵用于增强所述映射关系的鲁棒性；局部特征掩码矩阵mm用于加强对行人局部部位特征的提取能力。
6.根据权利要求4所述的融合局部掩码机制的图卷积步态识别方法，其特征在于，所述多头自注意力映射通过线性变化层和softmax激活函数层构成。
7.根据权利要求4所述的融合局部掩码机制的图卷积步态识别方法，其特征在于，通过基本时空特征提取模块st-module获取的行人步态时空特征为其中，表示第l层基本时空特征提取模块提取到的时空特征，to、no及co分别表示时空特征的序列长度、关节点个数和输出通道数；表示融合局部掩码机制的图卷积；表示多尺度时域卷积。
8.根据权利要求2所述的融合局部掩码机制的图卷积步态识别方法，其特征在于，将所述原始关节点序列、相对关节点序列及骨骼长度序列输入到训练后的融合局部掩码机制的图卷积步态识别网络ma-gait中，得到最终步态判别特征的过程为：
9.一种融合局部掩码机制的图卷积步态识别系统，其特征在于，包括：
10.根据权利要求9所述的融合局部掩码机制的图卷积步态识别系统，其特征在于，还包括：