1.一种人体姿态识别方法，其特征在于，所述方法包括：

根据人体骨骼结构定义多个关节点，并获取在当前帧下与每个所述关节点对应的多阵列相机图像以及每份图像分别对应的所述关节点的估计观测值；

将当前帧下同一关节点下的每份图像分别对应的关节点估计观测值全部转化为同一空间坐标下的所述关节点的估计坐标值；

从所有的关节点中依次选取一个所述关节点作为目标关节点，并获取与所述目标关节点相邻的关联关节点，并计算出所述目标关节点与每个所述关联关节点的距离；

以所述目标关节点与每个所述关联关节点的距离、当前帧下同一所述目标关节点下每份图像分别对应的估计坐标值、上一帧下所述目标关节点的预测坐标值为约束条件，得到当前帧下所述目标关节点的预测坐标值、上一帧下所述目标关节点的预测坐标值以及当前帧下同一所述目标关节点下每份图像分别对应的估计坐标值三者之间的条件概率分布，并得到所述目标关节点与所有所述关联关节点之间的联合概率分布；

根据当前帧下同一所述目标关节点下每份图像分别对应的估计坐标值、上一帧下所述目标关节点的预测坐标值定义所述目标关节点的可观测状态，并根据当前帧下所述目标关节点的预测坐标值定义所述目标关节点的隐藏状态；

根据以下公式获取所述条件概率分布：

其中， 表示在第n个目标关节点的可观测状态条件下的第n个目标关节点的隐藏状态的条件概率分布， 表示正比于符号， 表示以 为均值， 为协方差矩阵的三维正态分布， 表示以 为均值， 为协方差矩阵的三维正态分布， 、 表示不同三维正态分布对应的权重,  表示第n个关节点的可观测状态，分别表示当前帧下第1、第2、第K个摄像头对第n个关节点的估计坐标值，表示上一帧下第n个关节点的预测坐标值,  表示第n个关节点的隐藏状态;根据以下公式计算所述联合概率分布：

其中， 表示第n个目标关节点和第m个关联关节点在空间中的联合概率分布， 表示以 为均值，d为方差的一维正态分布;根据所述条件概率分布和所述联合概率分布得到当前帧下所述目标关节点的预测坐标值，并遍历除所述目标关节点外的所有所述关节点，以输出所有所述关节点在当前帧下的预测坐标值；

根据以下公式获取所有关节点的预测坐标值：

其中， 表示预测坐标集合， 表示第1个、第2个、第3个、第N个关节点的预测坐标值， 表示概率乘积对应的最大概率的人体关节点的空间坐标，表示任意骨骼连接的两个关节点空间坐标的联合概率分布的乘积， 表示所有关节点在约束条件下的条件概率分布的乘积，E表示相邻关节点的连边集合, ， 表示第i条连边， 表示关节点集合，， 表示第n个关节点，M表示连边总数，N表示关节点总

数。

2.根据权利要求1所述的人体姿态识别方法，其特征在于，所述从所有的关节点中依次选取一个所述关节点作为目标关节点，并获取与所述目标关节点相邻的关联关节点，并计算出所述目标关节点与每个所述关联关节点的距离的步骤包括：根据以下公式获取所述目标关节点与所述关联关节点的距离：

其中， 表示选取的第n个目标关节点与第m个关联关节点之间的平均距离，T表示当前帧预测前的运行总帧数，K表示多阵列相机中的摄像头总数， 表示第t帧下第k个摄像头对第n个目标关节点与第m个关联关节点的估计距离。

3.根据权利要求2所述的人体姿态识别方法，其特征在于，所述以所述目标关节点与每个所述关联关节点的距离、当前帧下同一所述目标关节点下每份图像分别对应的估计坐标值、上一帧下所述目标关节点的预测坐标值为约束条件，得到当前帧下所述目标关节点的预测坐标值、上一帧下所述目标关节点的预测坐标值以及当前帧下同一所述目标关节点下每份图像分别对应的估计坐标值三者之间的条件概率分布，并得到所述目标关节点与所有所述关联关节点之间的联合概率分布的步骤还包括：根据以下公式获取所述可观测状态：

其中， 表示第n个关节点的可观测状态， 分别表示当前帧下第1、第

2、第K个摄像头对第n个关节点的估计坐标值， 表示上一帧下第n个关节点的预测坐标值；

根据以下公式获取所述隐藏状态：

其中， 表示第n个关节点的隐藏状态， 表示第n个关节点的预测坐标值；

根据所述目标关节点的可观测状态和所述目标关节点的隐藏状态获取所述条件概率分布；

获取所述关联关节点的隐藏状态，并根据所述目标关节点的隐藏状态和所述关联关节点的隐藏状态获取所述联合概率分布。

4.根据权利要求1所述的人体姿态识别方法，其特征在于，根据以下公式获取权重 ：其中，α表示经验常数， 表示第k个摄像头预测的第n个目标关节点的欧式空间距离。

5.一种人体姿态识别系统，其特征在于，所述系统包括：

关节点信息获取模块，用于根据人体骨骼结构定义多个关节点，并获取在当前帧下与每个所述关节点对应的多阵列相机图像以及每份图像分别对应的所述关节点的估计观测值；

坐标转化模块，用于将当前帧下同一关节点下的每份图像分别对应的关节点估计观测值全部转化为同一空间坐标下的所述关节点的估计坐标值；

节点距离计算模块，用于从所有的关节点中依次选取一个所述关节点作为目标关节点，并获取与所述目标关节点相邻的关联关节点，并计算出所述目标关节点与每个所述关联关节点的距离；

概率建模执行模块，用于以所述目标关节点与每个所述关联关节点的距离、当前帧下同一所述目标关节点下每份图像分别对应的估计坐标值、上一帧下所述目标关节点的预测坐标值为约束条件，得到当前帧下所述目标关节点的预测坐标值、上一帧下所述目标关节点的预测坐标值以及当前帧下同一所述目标关节点下每份图像分别对应的估计坐标值三者之间的条件概率分布，并得到所述目标关节点与所有所述关联关节点之间的联合概率分布；

状态定义单元，用于根据当前帧下同一所述目标关节点下每份图像分别对应的估计坐标值、上一帧下所述目标关节点的预测坐标值定义所述目标关节点的可观测状态，并根据当前帧下所述目标关节点的预测坐标值定义所述目标关节点的隐藏状态；

条件概率分布获取单元，用于根据以下公式获取所述条件概率分布：

其中， 表示在第n个目标关节点的可观测状态条件下的第n个目标关节点的隐藏状态的条件概率分布， 表示正比于符号， 表示以 为均值， 为协方差矩阵的三维正态分布， 表示以 为均值， 为协方差矩阵的三维正态分布， 、 表示不同三维正态分布对应的权重,  表示第n个关节点的可观测状态，分别表示当前帧下第1、第2、第K个摄像头对第n个关节点的估计坐标值，表示上一帧下第n个关节点的预测坐标值,  表示第n个关节点的隐藏状态;联合概率分布获取单元，用于根据以下公式计算所述联合概率分布：

其中， 表示第n个目标关节点和第m个关联关节点在空间中的联合概率分布， 表示以 为均值，d为方差的一维正态分布;坐标预测模块，用于根据所述条件概率分布和所述联合概率分布得到当前帧下所述目标关节点的预测坐标值，并遍历除所述目标关节点外的所有所述关节点，以输出所有所述关节点在当前帧下的预测坐标值；

预测坐标值计算单元，用于根据以下公式获取所有关节点的预测坐标值：其中， 表示预测坐标集合， 表示第1个、第2个、第3个、第N个关节点的预测坐标值， 表示概率乘积对应的最大概率的人体关节点的空间坐标，表示任意骨骼连接的两个关节点空间坐标的联合概率分布的乘积， 表示所有关节点在约束条件下的条件概率分布的乘积，E表示相邻关节点的连边集合, ， 表示第i条连边， 表示关节点集合，， 表示第n个关节点，M表示连边总数，N表示关节点总

数。

6.一种存储介质，其特征在于，包括：所述存储介质存储一个或多个程序，该程序被处理器执行时实现如权利要求1‑4任一项所述的人体姿态识别方法。

7.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，其中：所述存储器用于存放计算机程序；

所述处理器用于执行所述存储器上所存放的计算机程序时，实现权利要求1‑4任一项所述的人体姿态识别方法。