1.一种基于改进的信号片段提取算法的手部动作识别方法，其特征在于，包括以下步骤：S1、对采集到的人体的手部动作数据进行预处理，以去除所述手部动作数据中的过渡动作数据，得到手部动作数据的雏形动作片段，所述雏形动作片段的第一个点为初探起始点，最后一个点为初探终止点；

S2、针对不同长度的雏形动作片段进行自适应的提取，探测完整动作片段和其真实的起始点和终止点；

S3、提取所述完整动作片段的特征值，对手部动作分类模型进行训练，最后利用所述手部动作分类模型进行手部动作识别。

2.根据权利要求1所述的一种基于改进的信号片段提取算法的手部动作识别方法，其特征在于，所述步骤S1包括以下步骤：S11、对采集到的人体的手部动作数据进行迭代，对手部动作数据的固有偏差进行校正；

S12、去除迭代后数据里的重力分量和噪声，获取手部动作的有效数据；

S13、对所述手部动作的有效数据进行雏形片段提取，得到雏形动作片段。

3.根据权利要求2所述的一种基于改进的信号片段提取算法的手部动作识别方法，其特征在于，所述步骤S13通过对每个窗口片段执行以下步骤获得雏形动作片段：S131、利用滑动窗口 对手部动作的有效数

据进行分割，得到数据集D＝{D1，D2，D3…Dm}，Di表达式为 其中表示滑动窗口中时间点为tn时的数据值，tn表示第tn个时间点，Di表示切割得到的第i个数据片段，n表示第滑动窗口长度，数据集D的大小m随不同手部动作时长而变化；

S132、对每个Di求均值，得到Di_mean；人体手部在不发生动作处于相对自然静止的状态下，加速度传感器收集到的数据趋近于0，大小不大于加速度阈值arest；

S133、用Di_mean与arest进行比较，当Di_mean＞arest时，判定手部处于运动过程，保留此时的加速度数据，得到雏形动作片段，雏形动作片段的第一个和最后一个点为初探起始点和终止点。

4.根据权利要求1所述的一种基于改进的信号片段提取算法的手部动作识别方法，其特征在于，所述步骤S2包括以下步骤：S21、将步骤S1得到的初探起始点和初探终止点分别向两边延伸N个数据采样点，获得手部动作片段的估计起始点和估计终止点；

S22、设置滑动窗口W，从延伸得到的估计起始点向后滑动，同时从延伸得到的估计终止点向前滑动，计算窗口中数据采样点的差分和、方差以及均值；

S23、设置经验阈值，利用所述差分和、方差以及均值与经验阈值对比，判定该窗口内的差分和、方差以及均值是否大于经验阈值，如果大于阈值，则判定该位置滑动窗口内数据点处于上升趋势，则停止滑动，记录当前位置的起始点精确值和终止点精确值，作为真实的起始点和终止点；否则，则继续滑动一个数据点。

5.根据权利要求1所述的一种基于改进的信号片段提取算法的手部动作识别方法，其特征在于，所述步骤S3中提取所述完整动作片段的特征值，包括以下步骤：选取10种时域特征的67维数据特征作为特征集，所述特征集包括：各数据轴上以及合加速度数据的平均值、方差、标准差、偏度、峰度、均方根、最大值和各数据轴上的峰谷间间距、动作的持续时间以及波形与坐标横轴形成的区域面积；

利用基于信息增益率的算法对特征集进行了降维，并选取了评估得分排名靠前的若干个特征值作为所述完整动作片段的特征值。