1.一种基于虚拟姿态样本合成的异常步态行为识别方法，其特征在于，包括以下步骤：

使用三维参数化的异常步态真实训练样本对包括非镜像对称人体虚拟样本合成模型和姿态扰动人体虚拟样本合成模型的虚拟姿态样本合成模型进行训练，然后使用训练完成的模型来生成虚拟样本，再利用真实训练样本和虚拟样本对SoftMax异常步态行为分类器进行训练，并对测试样本进行识别，训练完成后即能够通过分类器对采集的异常步态行为进行准确识别；

其中虚拟姿态样本合成模型的非镜像对称人体虚拟样本合成模型的训练，是选取异常步态真实训练样本中具有左右对称的样本，利用它们的非完全对称姿态关节数据，对模型进行训练；

其中训练完成后的虚拟姿态样本合成模型中的非镜像对称人体虚拟样本合成模型生成虚拟样本，是利用该非镜像对称人体虚拟样本合成模型对异常步态训练样本中的三维参数化人体模型进行非镜像对称变换，生成新的非镜像对称三维参数化人体模型作为虚拟样本，从而将异常步态训练样本数量按姿态对称的方式扩充一倍；

虚拟姿态样本合成模型中的姿态扰动人体虚拟样本合成模型，是由基于先验知识的虚拟扰动姿态生成式对抗网络构成，包括基于先验知识的虚拟扰动姿态生成网络和虚拟样本判别网络；

虚拟姿态样本合成模型中的姿态扰动人体虚拟样本合成模型的训练，首先基于异常步态训练样本中的参数化三维人体模型姿态关节数据，计算出训练样本所对应的人体各姿态关节参数的扰动系数，与异常步态的类别标签一起作为模型的先验知识，然后与按姿态对称的方式扩充一倍后的异常步态训练样本一起对基于先验知识的虚拟扰动姿态生成式对抗网络进行训练；

训练完成后的姿态扰动人体虚拟样本合成模型生成虚拟样本，是通过给定数量的异常步态类别标签和扰动系数作为先验知识来生成新的姿态扰动虚拟样本，从而进一步扩展原来的训练样本数量。

2.根据权利要求1所述的一种基于虚拟姿态样本合成的异常步态行为识别方法，其特征在于，其中的三维参数化的异常步态训练样本和测试样本的构建，是使用三维摄像机采集各种异常步态点云人体数据，以散乱和非结构化的点云人体数据为观测目标，通过变形标准的三维参数化人体模型，使变形后的参数化人体模型在形体和姿态关节上与采集的点云人体数据相似，再利用基于人体形体和运动信息先验知识的点云人体和三维参数化人体相似性度量函数来进行相似度的评估，通过迭代计算估计出所采集异常点云人体数据对应的最优匹配三维参数化人体模型及其形体和姿态关节参数，得到具有不同形体和姿态关节参数的三维参数化人体模型，将同一个步态周期序列下的不同姿态关节参数化人体模型按时间先后进行组合并形成样本，以异常步态类别为样本标签，构成三维参数化的异常步态样本集合，再将样本集合按预设比例划分成真实训练样本和测试样本。

3.根据权利要求1所述的一种基于虚拟姿态样本合成的异常步态行为识别方法，其特征在于，其中在姿态扰动人体虚拟样本合成模型训练前，还包括首先进行输入数据扰动范围确定的步骤，基于按姿态对称的方式扩充一倍后的异常步态训练样本中的参数化三维人体模型姿态关节数据，通过基于模糊三角隶属度概率分布函数方法，以扩展现有训练样本下各种异常步态动作下的人体姿态关节数据的动态变化范围。

4.根据权利要求1所述的一种基于虚拟姿态样本合成的异常步态行为识别方法，其特征在于，利用真实训练样本和虚拟合成样本对SoftMax异常步态行为分类器进行训练，是首先构建具有视角和形体特征调制机制的SoftMax异常步态行为分类器，再利用真实训练样本、生成的非镜像对称三维参数化人体模型和生成的姿态扰动虚拟样本，对分类器进行训练。