1.基于传感网络的移动机器人与静态传感器的任务协作方法，其特征是，包括以下步骤：构建动态分布式传感器网络，对获取的人体的关节点分布式信息进行一致性的估计；

信息一致性估计时，具体包括的步骤为：

参数初始化，检测得出人体关节点的初始位置，位置的方差依据关节点识别的置信水平确定，并依据关节运动特点设定关节的运动模型转换概率；

多模型交互，即根据模型概率和模型转换概率计算模型之间的混合概率，再依据混合概率计算得出每个模型的混合均值和混合方差；

信息滤波，以混合均值和混合方差为输入，计算其信息向量和信息矩阵，对线性和非线性运动模型分别采用线性信息滤波器和中心差分信息滤波器估计，根据当前深度图像检测的关节点位置升级滤波器关节点状态和模型概率；

基于分布式信息一致性算法的信息融合，即各传感器之间交换关节点估计信息，包括关节点状态信息向量、信息矩阵和模型概率，通过一致性算法加权迭代实现各传感器估计状态的一致性；

各传感器节点基于模型概率加权和的混合输出，即利用模型概率对各个模型的估计结果进行加权求和，作为各传感器信息处理系统当前时刻的估计结果；

对人体关节点分布式信息进行一致性的估计后进行基于彩色图像和深度图像多特征的联合数据关联；

基于人体行为特征的分布式DTW人体行为意图识别；

在行为识别结果基础上，移动机器人利用合同网方法参与竞标服务，针对用户特定行为进行机器人服务；

在静态传感器对人体某个关节点估计误差超过设定值时，发起近距离查看任务请求，由相邻移动机器人竞标该任务并执行，将观测结果发送给静态传感器，实现对特定目标的近距离观测。

2.如权利要求1所述的基于传感网络的移动机器人与静态传感器的任务协作方法，其特征是，移动机器人和静态传感器之间的任务协作主要通过黑板模型完成，包含两大部分：黑板区和知识库，黑板区通过实时数据进行更新，进一步驱动知识库中的相应模块。

3.如权利要求1所述的基于传感网络的移动机器人与静态传感器的任务协作方法，其特征是，对获取的人体的关节点分布式信息进行一致性的估计，具体包括：骨架关节点位置初始化；

本地传感器对关节点运动估计：构建人体关节点的运动模型和观测模型，实现对关节点状态的有效估计；

传感器之间对目标关节点的信息一致性估计：定义人体关节点状态对应的信息向量、信息矩阵及其信息贡献和模型概率作为信息一致性算法的交换量；

每个传感器将自身估计的关节点信息向量、信息矩阵及其对应的信息贡献、模型概率发送给相邻的通讯传感器节点，并接受周围传感器的信息，利用信息一致性算法，融合周围传感器的估计结果，连续迭代数次，实现算法和估计结果的收敛。

4.如权利要求3所述的基于传感网络的移动机器人与静态传感器的任务协作方法，其特征是，基于构建的动态分布式传感器网络，传感器将采集的人体骨架关节点信息传输至信息处理中心。

5.如权利要求3所述的基于传感网络的移动机器人与静态传感器的任务协作方法，其特征是，在骨架关节点位置初始化时，为去除无效关节点，建立人体关节点运动模型物理约束，剔除不满足人体关节点旋转角度和长度约束的人体关节点。

6.如权利要求3所述的基于传感网络的移动机器人与静态传感器的任务协作方法，其特征是，构建人体关节点的运动模型和观测模型，其中，对线性模型，利用线性信息滤波器估计，而对于非线性模型，利用非线性滤波器进行估计，非线性滤波器包括扩展信息滤波器和基于中心差分信息滤波器。

7.如权利要求1所述的基于传感网络的移动机器人与静态传感器的任务协作方法，其特征是，对人体关节点分布式信息进行一致性的估计后进行基于彩色图像和深度图像多特征的联合数据关联，包括以下步骤：采用联合数据概率关联算法实现本地传感器节点对跟踪目标和目标观测之间进行第一次数据关联；

基于马氏距离的匈牙利算法实现传感器节点之间对跟踪目标的第二次数据关联；各传感器之间交换关节点估计信息，通过一致性算法加权迭代实现各传感器估计状态的一致性；

其中，在第一次数据关联时，基于多特征的目标观测候选集调整机制，利用关节点位置观测信息、彩色图像梯度方向直方图特征hc和深度图像梯度方向直方图特征hd构建三个阈值门限(γz,γc,γd)以限定观测集大小。

8.如权利要求1所述的基于传感网络的移动机器人与静态传感器的任务协作方法，其特征是，基于人体行为特征的分布式DTW人体行为意图识别方法，包括以下步骤：获取当前帧人体行为特征并将其添加到人体行为特征时间序列中；

利用动态时间规整算法DTW对当前观测人体行为特征序列与数据库模板中已学习的特定行为序列进行匹配，计算两者之间基于卡方距离的最佳匹配相似度；

对该相似度取逆，经归一化后得到匹配概率；

将每个传感器的动作模式匹配概率信息作为一致性信息量与相邻传感器再一次数据交换，经过一致性迭代运算，最终相邻传感器节点的识别结果达成一致。

9.如权利要求8所述的基于传感网络的移动机器人与静态传感器的任务协作方法，其特征是，在计算匹配概率时，为融合周围传感器识别结果，相邻传感器之间互换匹配概率信息。

10.如权利要求9所述的基于传感网络的移动机器人与静态传感器的任务协作方法，其特征是，基于人体行为特征的分布式DTW人体行为意图识别方法在获取当前帧人体行为特征的步骤之前还包括构建具有平移不变和缩放不变的人体结构特征的步骤；

在构建具有平移不变和缩放不变的人体结构特征时，考虑到体型的个体差异，定义满足平移不变和缩放不变的条件的关节向量夹角和上肢部分关节向量模比值作为人体行为特征，关节向量夹角和向量模比值共同组成24维人体行为特征；

上肢部分关节向量模比值：

其中 是躯干中心到头部的向量模， 和 分别是头部指向左右手的向量模、 和分别是躯干中心到左右手的向量模；

平移不变和缩放不变的关节向量夹角信息的获取：通过OPENNI检测人体的15个关节点分布式信息，经过计算，可获取关节向量夹角信息，具体包括上肢部分10组，下肢部分4组，中间连接部分6组。