1.一种基于马氏距离的人体行为数据分割方法，其特征在于，具体按照以下步骤实施：步骤1、选取大小为h的滑动窗口对传感器数据进行切分，并计算每个窗口数据之间的马氏距离，根据准则将每个窗口划分至一个时段动作集合，具体为：步骤1.1、采用长度为h的滑动窗口将二维数据矩阵S沿着采样方向切分为k段，即每个窗口内包含h个样本数据；

步骤1.2、经步骤1.1后，利用马氏距离计算这些动作片段之间的相似度，组成相似度矩阵；

步骤1.3：重复步骤1.2，直至所有动作片段都被划分至一个动作类别u(i),1≤i≤k；

步骤1.4、经步骤1.3后，将动作片段所属类别沿着时间轴展开，时间上连续且属于同一个动作类别的动作片段划分到同一个时段动作集合步骤2、待步骤1完成后，在时段动作划分的基础上，找出所有基本动作，并采用相似度分析处理被隐藏的基本动作，具体为：所述步骤2具体按照以下步骤实施：

步骤2.1、在基本动作A和B之间的所有时段动作中寻找运行时间最长的一段，将其作为中间新基本动作的基准时段；若运行时间最长的时段动作不只一个，则选择最靠近中间位置的时段动作；

步骤2.2、经步骤2.1后，比较基准时段左右两个相邻的时段动作与基准时段的相似度，若两个相邻的时段动作与基准时段的相似度相等，则将两个时段动作与基准时段合并作为新的基准时段，否则选择相似度高的时段动作合并到基准时段中，组成新的基准时段；

步骤2.3、重复步骤2.2，直至满足终止条件，则认为隐藏的基本动作已经找出，否则继续进行下一次迭代；

终止条件具体如下：迭代中基准时段左右两个相邻的时段动作与基准时段相似度的最高值小于阈值α，且基准时段 的时间长度 大于基本动作的最短运行时间Tmin；

步骤2.4、待步骤2.3完成后，计算新确定的基本动作与所有已知的基本动作的相似度，若相似度大于阈值α，则将该基本动作定义为对应的基本动作，否则说明该基本动作是没有出现过的新动作；

步骤2.5、重复步骤2.1～步骤2.4，直至找出所有的基本动作，此时，多行为模式中所有基本动作均已确定，且基本动作之间的时段动作长度均小于基本动作的最短运行时间；

步骤3、经步骤2确定出所有的基本动作后，根据相邻两个基本动作是否相同来区分过渡动作和扰动过程，最后能确定出所有的基本动作和过渡动作；具体为：相邻的两个基本动作分别为两种不同的动作A和B，则认为两个基本动作之间的所有子时段属于基本动作A到B的过渡动作；

相邻两个基本动作为同一种动作A，则将两个基本动作之间的所有子时段定义为基本动作A的扰动过程。

2.根据权利要求1所述的一种基于马氏距离的人体行为数据分割方法，其特征在于，所述步骤2中：在相似度矩阵中，以行为单位选择出最大的相似度，若最大相似度大于阈值α，则将该相似度所在行列的两个动作片段视为同类动作；反之，则将该行的动作片段视为一类新动作。