1.一种智慧工地人员姿态检测方法，其特征在于，包括如下步骤：获取监控区域的三维模拟场景；

获取所述监控区域的第一角度图像，解析所述第一角度图像中的每一人员的第一人像信息以及每一人员在所述监控区域内的第一位置信息；

获取所述监控区域的第二角度图像，解析所述第二角度图像中的每一人员的第二人像信息以及每一人员在所述监控区域内的第二位置信息；

获取所述监控区域的第三角度图像，解析所述第三角度图像中的每一人员的第三人像信息以及每一人员在所述监控区域内的第三位置信息；

根据所述第一人像信息、所述第二人像信息和所述第三人像信息得到每一人员的姿态；根据所述第一位置信息、所述第二位置信息和所述第三位置信息得到每一人员在所述监控区域内的位置；

融合每一人员在所述监控区域内的位置、每一人员的姿态和所述三维模拟场景得到姿态检测结果并显示；

其中所述第一角度图像、所述第二角度图像和所述第三角度图像为不同角度下对监控区域进行监控获得监控图像；

根据所述第一人像信息、所述第二人像信息和所述第三人像信息得到每一人员的姿态的步骤中：

将与每一人员所对应的所述第一人像信息、所述第二人像信息和所述第三人像信息作为预设机器学习模型的输入参数，以所述预设机器学习模型的输出结果作为该人员的所述姿态；其中，所述预设机器学习模型通过如下方式得到：选定机器学习模型；

获取训练样本图像，所述训练样本图像包括人员姿态样本图像以及与所述人员姿态样本图像对应的第一角度样本图像、第二角度样本图像和第三角度样本图像，其中所述第一角度样本图像与所述第二角度样本图像之间的相差角度与所述第一角度图像和所述第二角度图像之间的相差角度相同；所述第一角度样本图像与所述第三角度样本图像之间的相差角度与所述第一角度图像和所述第三角度图像之间的相差角度相同；所述第二角度样本图像与所述第三角度样本图像之间的相差角度与所述第二角度图像和所述第三角度图像之间的相差角度相同；

以所述第一角度样本图像、所述第二角度样本图像和所述第三角度样本图像作为所述机器学习模型的输入，以所述人员姿态样本图像作为所述机器学习模型的输出对所述机器学习模型进行训练，训练完成后得到所述预设机器学习模型；

还包括如下步骤：将每一人员的姿态与预设危险动作姿态进行比对，若任意一个人员的姿态与任意一个所述预设危险动作姿态匹配，则输出危险提示信号以控制报警组件发出报警提示；

获取所述监控区域内的所有被监控部件的位置信息，所述位置信息包括被监控部件的属性信息及其位置坐标；将所述被监控部件的位置信息融合至所述姿态检测结果并显示，以使所述姿态检测结果显示每一人员的姿态与每一人员的被监控部件的属性信息的关联性；包括：在三维模拟场景下选定一个静态物体，根据每一人员姿态与该静态物体之间的位置关系、每一被监控部件与该静态物体之间的位置关系来确定人员姿态与被监控部件之间的对应关系；

若任意一个人员的姿态与任意一个所述预设危险动作姿态匹配，则根据所述关联性确定与该人员的姿态相关联的被监控部件的属性信息；

根据被监控部件的属性信息下发提示信息至该人员的被监控部件上,其中，所述被监控部件为智慧工地中的人员所佩戴。

2.根据权利要求1所述的智慧工地人员姿态检测方法，其特征在于，还包括如下步骤：若任意一个人员的姿态与任意一个所述预设危险动作姿态匹配，则根据该人员在所述监控区域中的位置确定监控设备的监控角度；

控制监控设备至所述监控角度，以使所述监控设备获得该人员放大后的监控图像。

3.一种计算机可读存储介质，其特征在于，所述存储介质中存储有程序指令，计算机读取所述程序指令后执行权利要求1或2所述的智慧工地人员姿态检测方法。

4.一种智慧工地人员姿态检测系统，其特征在于，包括第一摄像头、第二摄像头、第三摄像头和控制器，其中：

所述第一摄像头、所述第二摄像头和所述第三摄像头分别设置于监控区域的三个位置处且不在同一直线上；

所述控制器，获取监控区域的三维模拟场景，以及：获取所述第一摄像头拍摄的监控区域的第一角度图像，解析所述第一角度图像中的每一人员的第一人像信息以及每一人员在所述监控区域内的第一位置信息；获取所述第二摄像头拍摄的所述监控区域的第二角度图像，解析所述第二角度图像中的每一人员的第二人像信息以及每一人员在所述监控区域内的第二位置信息；获取所述第三摄像头拍摄的所述监控区域的第三角度图像，解析所述第三角度图像中的每一人员的第三人像信息以及每一人员在所述监控区域内的第三位置信息；根据所述第一人像信息、所述第二人像信息和所述第三人像信息得到每一人员的姿态；根据所述第一位置信息、所述第二位置信息和所述第三位置信息得到每一人员在所述监控区域内的位置；融合每一人员在所述监控区域内的位置、每一人员的姿态和所述三维模拟场景得到姿态检测结果并显示；其中，根据所述第一人像信息、所述第二人像信息和所述第三人像信息得到每一人员的姿态包括：将与每一人员所对应的所述第一人像信息、所述第二人像信息和所述第三人像信息作为预设机器学习模型的输入参数，以所述预设机器学习模型的输出结果作为该人员的所述姿态；其中，所述预设机器学习模型通过如下方式得到：选定机器学习模型；获取训练样本图像，所述训练样本图像包括人员姿态样本图像以及与所述人员姿态样本图像对应的第一角度样本图像、第二角度样本图像和第三角度样本图像，其中所述第一角度样本图像与所述第二角度样本图像之间的相差角度与所述第一角度图像和所述第二角度图像之间的相差角度相同；所述第一角度样本图像与所述第三角度样本图像之间的相差角度与所述第一角度图像和所述第三角度图像之间的相差角度相同；

所述第二角度样本图像与所述第三角度样本图像之间的相差角度与所述第二角度图像和所述第三角度图像之间的相差角度相同；以所述第一角度样本图像、所述第二角度样本图像和所述第三角度样本图像作为所述机器学习模型的输入，以所述人员姿态样本图像作为所述机器学习模型的输出对所述机器学习模型进行训练，训练完成后得到所述预设机器学习模型；还包括被监控部件：

每一所述被监控部件由位于智慧工地中的人员所佩戴，每一所述被监控部件具有其特定的属性信息；

每一所述被监控部件配置有定位模块，所述定位模块与所述被监控部件具有一一对应关系；每一所述定位模块确定对应的被监控部件的位置坐标并将所述位置坐标以及被监控部件的属性信息关联后发送至所述控制器；

所述控制器还用于获取所述监控区域内的所有被监控部件的位置信息，所述位置信息包括被监控部件的属性信息及其位置坐标；将所述被监控部件的位置信息融合至所述姿态检测结果并显示，以使所述姿态检测结果显示每一人员的姿态与每一人员的被监控部件的属性信息的关联性；若任意一个人员的姿态与任意一个预设危险动作姿态匹配，则根据所述关联性确定与该人员的姿态相关联的被监控部件的属性信息；根据被监控部件的属性信息下发提示信息至该人员的被监控部件上；其包括：在三维模拟场景下选定一个静态物体，根据每一人员姿态与该静态物体之间的位置关系、每一被监控部件与该静态物体之间的位置关系来确定人员姿态与被监控部件之间的对应关系。

5.根据权利要求4所述的智慧工地人员姿态检测系统，其特征在于，还包括报警组件：所述控制器还用于将每一人员的姿态与预设危险动作姿态进行比对，若任意一个人员的姿态与任意一个所述预设危险动作姿态匹配，则输出危险提示信号；

所述报警组件的被控端与所述控制器的输出端连接，所述报警组件在接收到所述危险提示信号后发出报警提示。

6.根据权利要求4或5所述的智慧工地人员姿态检测系统，其特征在于：所述控制器还用于在任意一个人员的姿态与任意一个所述预设危险动作姿态匹配时，根据该人员在所述监控区域中的位置确定监控设备的监控角度；控制监控设备至所述监控角度，以使所述监控设备获得该人员放大后的监控图像；

所述监控设备为所述第一摄像头、所述第二摄像头和/或所述第三摄像头。