1.一种基于云机器人的健身指导方法，其特征在于，包括步骤：获取用户的健身动作并进行存储；

采集运动环境的图像，构建环境地图；

使用DCPLSTM算法，建立一种双级联金字塔网络，将采集到的用户运动动作影像与标准动作影输入双级联金字塔网络中，并提取出两种影像的骨骼点；

根据两种图像的骨骼点对比的结果，判断用户运动动作是否标准，并在不标准时进行纠正；

其中，所述双级联金字塔网络，以Resnet为骨骼框架，由自上向下支路、自下向上支路、横向连接组成；其中自下向上支路即为提取特征的过程，将特征提取的过程分成五个阶段，将最后一个阶段的输出C4作为自上向下支路的输入，自上向下支路对C4进行了上采样，生成与C1‑C4对应大小的特征，其中C1‑C4是Resnet101后四个阶段的输出；横向连接融合了自上向下支路与自下向上支路的特征图，其将特征提取得到的特征图与上采样得到的特征图相加，得到下一级特征图；同时使用双头输入双头输出的结构，两个输入分别为示范运动图像与用户运动图像；在得到多级金字塔特征后，将特征经过上采样，得到与原图相同大小的骨骼点图；以原图骨骼点真实位置与上述网络预测位置之间的位置的交叉熵作为损失函数，训练上述网络，直到网络能够得到真实的骨骼点位置；

然后以骨骼点的每个最小分辨点作为节点，以骨骼点的位置作为骨骼点特征，相邻骨骼点之间形成边，形成图数据结构，以图神经网络提取两图像的骨骼点特征，图卷积神经网络为对骨骼点的特征聚合，其公式为： ；

其中，D为度矩阵，A为邻接矩阵，最后将经过图卷积网络提取到的特征输入LSTM中，输出对应的指导性语言。

2.如权利要求1所述的一种基于云机器人的健身指导方法，其特征在于，所述获取用户的健身动作并进行存储包括步骤：对用户健身的运动动作进行拍摄；

将拍摄的影像进行储存。

3.如权利要求1所述的一种基于云机器人的健身指导方法，其特征在于，所述采集运动环境的图像，构建环境地图包括步骤：对用户健身的周边环境进行拍摄；

根据拍摄的影像资料生成地图。

4.如权利要求1所述的一种基于云机器人的健身指导方法，其特征在于，所述根据两种图像的骨骼点对比的结果，判断用户运动动作是否标准，并在不标准时进行纠正包括步骤：将两种骨骼点进行比对；

判断两种骨骼点是否一致；

在两种骨骼点不一致时，对用户的健身时的运动动作进行纠正。

5.如权利要求1所述的一种基于云机器人的健身指导方法，其特征在于：所述获取用户的健身动作的方式为通过深度摄像头进行拍摄。

6.如权利要求5所述的一种基于云机器人的健身指导方法，其特征在于：所述深度摄像头底部设有用于支撑所述深度摄像头且保证其进行上下左右360°旋转调节的支撑件。

7.一种存储介质，其特征在于：

所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行所述权利要求1‑6中任一项中所述的基于云机器人的健身指导方法。

8.一种基于云机器人的健身指导系统，其特征在于：

所述基于云机器人的健身指导系统包括处理器及存储器，所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行，实现如权利要求1‑6任一项所述的基于云机器人的健身指导方法。