1.一种撑杆跳运动训练方法，其特征在于，包括以下步骤：

步骤1：获取撑杆跳过程中人体关键部位运动轨迹；

步骤2：将步骤1得到的多个运动轨迹提取特征向量；

步骤3：将步骤2获得的特征向量以及表征过杆成功与否的量合并成新的特征向量，作为训练样本，得到N个训练样本，设激励函数为g(x)，最大迭代次数Gmax以及隐层节点的个数L；

步骤4：采用经验值估计法初始化正则极速学习机单隐藏层前馈神经网络中的参数NP、F、CR，参数NP指组成初始种群的个体个数，参数F是指变异操作的缩放因子，CR是交叉运算的交叉概率，CR∈[0,1]；

随机生成初始种群，初始种群为x(t)＝{ai,bi}，其中ai＝[ai1,ai2,…,ain]是连接第i个隐层节点的输入权值，其中ai向量表达式中的下标n表示每个输入样本的维数，bi是第i个隐层节点的偏差，ai、bi中的下标i取值为1到L，L如步骤3中所述表示隐层节点的个数；

步骤5：对于每个种群，计算隐层输出矩阵得到输出权值以及输出权值所相应的均方根误差，均方根误差作为适应度指标；

步骤6：种群中的个体先进行变异得到g+1代个体vi(g+1)，再进行交叉运算获得g+1代新个体ui(g+1)，按照下述公式选取有竞争力的个体作为下一代种群(此种群称为交叉变异后的种群)的个体，其中，E(·)为步骤5中的适应度指标；

步骤7：根据迭代次数判断是否继续进行模型训练，若在迭代次数范围内则重复步骤5和步骤6，直至目标完成得到撑杆跳运动训练模型，若超过设定的迭代次数范围则获得输出权值 完成训练；

步骤8：采用测试样本对步骤7获得的模型进行测试，最终完成撑杆跳运动训练模型构建并使用该模型进行训练。

2.如权利要求1所说的撑杆跳运动训练方法，其特征在于，步骤1中，获取撑杆跳过程中人体关键部位运动轨迹的具体步骤如下：

1-1在运动员的两髋、左脚踝、左膝盖附着标记点；

1-2采集标记点运动轨迹，共采集n组，其中过杆成功轨迹n1组，过杆失败轨迹n2组，其中n1+n2＝n；

1-3将步骤1-2采集的n组发球运动轨迹分成两组：训练组和测试组。

3.如权利要求1所说的撑杆跳运动训练方法，其特征在于，步骤2中，由步骤1采集的多个运动轨迹提取特征向量过程如下：

2-1记录脚踝在世界坐标系垂直方向Y轴的y轨迹的极小值点，作为起跳点，设其坐标为(xmin,ymin,zmin)，并记录起跳点后y轨迹达到的第一个极大值点的坐标为(xmax,ymax,zmax)；

2-2将两髋的运动轨迹连线中点作为两髋中心点的运动轨迹，以此来近似拟合人体重心的运动轨迹；

2-3计算起跳点后的两帧重心位置在世界坐标系X,Y，Z方向的位移和两帧间的时间间隔的比值，作为起跳点处运动员在Y轴方向的速度 X轴方向的速度 和Z轴上的速度按下述公式计算起跳点对应的腾起角θ1：将 和θ1作为起跳时的特征；

2-4计算左膝盖处的标记点与人体重心的距离，当该距离达到极小值时，将左髋和左膝的连线以及左脚踝和左膝的连线根据余弦定理来计算此时人体的左膝角θ2，并选取θ2、重心的速度 重心位置信息p20＝(x20,y20,z20)作为团身阶段运动特征；

2-5记录撑杆跳高过程中身体重心达到腾跃最高点的坐标p3m＝(x3m,y3m,z3m)，并将达到最高点时的重心速度 身体重心与横杆的水平距离lx和x3m比值lx0、垂直距离ly和y3m比值ly0作为过杆阶段的特征。

4.如权利要求3所说的撑杆跳运动训练方法，其特征在于，步骤3中，将步骤2-3～2-5获得的特征向量，以及表征过杆成功与否的量合并成新的特征向量，得到如下的16维向量的训练样本：X＝{v1,θ1,υ2,θ2,p20,υ3m,lx0,ly0}。

5.如权利要求3所说的撑杆跳运动训练方法，其特征在于，步骤2-4中的重心位置信息p20＝(x20,y20,z20)的计算方式为记录的团身阶段的世界坐标系中的重心位置坐标p2＝(x2,y2,z2)和步骤2-5中对应坐标的比值，即：

6.如权利要求1所说的撑杆跳运动训练方法，其特征在于，步骤6中，进行变异是从种群中随机选择3个个体：xk1，xk2，xk3，且k1≠k2≠k3≠i，则得到如下的vi(g+1)计算公式：vi(g+1)＝xk1(g)+F·(xk2(g)-xk3(g))xi(g)表示种群中第g代第i条染色体，其中i取值为k1,k2,k3，vi(g+1)表示变异得到第g+1代染色体第i条染色体。

7.如权利要求1所说的撑杆跳运动训练方法，其特征在于，步骤6中，通过以下公式进行交叉运算：其中jrand为[1,2,…,D]上的随机数；

D为初始化种群的维数；

uj,i(g+1)表示交叉获得的第g+1代染色体第i条染色体的第j条基因；

vj,i(g+1)表示变异得到第g+1代染色体第i条染色体的第j条基因；

xj,i(g)表示初始化种群中第g代第i条染色体的第j条基因；

rand(0,1)表示在(0,1)区间均匀分布的随机数。

8.如权利要求1所说的撑杆跳运动训练方法，其特征在于，步骤5中，ai和bi为步骤4中单隐藏层前馈神经网络中隐层节点参数，ai为连接第i个隐层节点的输入权值，bi为第i个隐层节点的偏差，βi表示连接第i个隐层节点和网络输出之间的外权向量，向量维数为m，m为正则极速学习机单隐藏层前馈神经网络中输出的个数，G(ai,bi,xj)表示正则极速学习机单隐藏层前馈神经网络第i个隐层节点对应于样本x第j条基因的隐层节点输出，tj表示具有L个隐层节点的单隐层神经网络对应第N个样本对应的输出中的第j个输出，其表达式如下所示：其中N表示输入样本个数。

9.如权利要求1所说的撑杆跳运动训练方法，其特征在于，步骤7中，输出权值 的计算公式如下：其中L为隐层节点的个数；

m为单隐藏层前馈神经网络中输出的个数， 表示连接第i个隐层节点和网络输出之间的外权向量最终输出权值。