1.一种动作识别方法，其特征在于：包括以下步骤：获取输入图像；

将输入图像输入到神经网络进行特征提取，得到多张人体关键点的特征热力图以及多张人体关键点之间的连接关系的特征热力图；

对得到的特征热力图进行平滑处理；

判断平滑处理后的特征热力图的峰值是否大于第一预设阈值；

根据峰值大于第一预设阈值的特征热力图进行关系连接，得到人体骨架；

根据人体骨架得到动作分类；

还包括以下步骤：

检测手腕关键点的连接关系；

在确定检测到手腕关键点的连接关系后，根据手腕关键点的连接关系的延长线框选出手掌部分的图像；

将手掌部分的图像输入神经网络进行特征识别，得到手掌部分的连接关系；

根据手掌部分的连接关系得到手势类型。

2.根据权利要求1所述的一种动作识别方法，其特征在于：所述将手掌部分的图像输入神经网络进行特征识别，得到手掌部分的连接关系，其具体包括：将手掌部分的图像输入到神经网络，得到多张手掌部分关键点的特征热力图；

对手掌部分关键点的特征热力图行平滑处理；

判断平滑处理后的手掌部分关键点的特征热力图的峰值是否大于第二预设阈值；

根据峰值大于第二预设阈值的手掌部分关键点的特征热力图进行关系连接，得到手掌部分的连接关系。

3.根据权利要求1所述的一种动作识别方法，其特征在于：所述根据手掌部分的连接关系得到手势类型，其具体为：将手掌部分的连接关系输入到支持向量机进行分类，得到手势分类。

4.根据权利要求1所述的一种动作识别方法，其特征在于：所述平滑处理具体为：通过高斯模糊进行平滑处理。

5.根据权利要求1所述的一种动作识别方法，其特征在于：所述根据峰值大于第一预设阈值的特征热力图进行关系连接，得到人体骨架，其具体包括：将峰值大于第一预设阈值的特征热力图中小于第三预设阈值的部分过滤；

将经过过滤后的特征热力图进行二值化处理；

在二值化处理后的人体关键点的特征热力图的真值区中寻找峰值所在的位置；

在二值化处理后的人体关键点的连接关系的特征热力图的真值区中，根据多个人体关键点的特征热力图的峰值所在的位置寻找人体关键点，得到多个人体关键点之间的连线；

根据不同的人体关键点之间的连线，得到人体骨架。

6.根据权利要求5所述的一种动作识别方法，其特征在于：在将峰值大于第一预设阈值的特征热力图中小于第三预设阈值的部分过滤之前，还包括以下步骤：将峰值大于第一预设阈值的特征热力图放大至与输入图像相同的尺寸。

7.一种动作识别系统，其特征在于：包括：获取单元，用于获取输入图像；

特征热力图生成单元，用于将输入图像输入到神经网络进行特征提取，得到多张人体关键点的特征热力图以及多张人体关键点之间的连接关系的特征热力图；

平滑处理单元，用于对得到的特征热力图进行平滑处理；

判断单元，用于判断平滑处理后的特征热力图的峰值是否大于第一预设阈值；

人体骨架生成单元，用于根据峰值大于第一预设阈值的特征热力图进行关系连接，得到人体骨架；

动作分类单元，用于根据人体骨架得到动作分类；

还包括以下步骤：

检测手腕关键点的连接关系；

在确定检测到手腕关键点的连接关系后，根据手腕关键点的连接关系的延长线框选出手掌部分的图像；

将手掌部分的图像输入神经网络进行特征识别，得到手掌部分的连接关系；

根据手掌部分的连接关系得到手势类型。

8.一种动作识别系统，其特征在于：包括：存储器，用于存储程序；

处理器，用于加载所述程序以执行如权利要求1‑6任一项所述的动作识别方法。

9.一种存储介质，其存储有程序，其特征在于：所述程序被处理器执行时实现如权利要求1‑6任一项所述的动作识别方法。