1.一种人像风格迁移方法，其特征在于，该方法包括以下步骤：

步骤一、获取内容图像：

步骤101、采用摄像机在纯色背景下对人物进行拍摄，获取人物图像；其中，人物图像的大小为A×C个像素点，且A大于C，A和C均为正整数，其中，A表示行，C表示列；

步骤102、计算机对人物图像进行背景和前景分离，得到优化后的二值化人物图像；其中，优化后的二值化人物图像为人物图像；

步骤103、从计算机的背景图像库中选择背景图像；其中，背景图像的大小为A×C个像素点；

步骤104、计算机根据优化后的二值化人物图像，将人物图像中的人物区域与背景图像合成，得到合成人物图像，并将合成人物图像作为内容图像；

步骤二、风格迁移总损失函数的建立：

步骤201、随机生成白噪声图像作为初始的生成图像；

步骤202、选取卷积神经网络VGG19作为原始模型；其中，卷积神经网络VGG19包括16个卷积层和5个池化层，16个卷积层分别为Relu1_1卷积层，Relu1_2卷积层；Relu2_1卷积层，Relu2_2卷积层；Relu3_1卷积层，Relu3_2卷积层，Relu3_3卷积层，Relu3_4卷积层；Relu4_1卷积层，Relu4_2卷积层，Relu4_3卷积层，Relu4_4卷积层；Relu5_1卷积层，Relu5_2卷积层，Relu5_3卷积层，Relu5_4卷积层；

步骤203、计算机获取内容损失，具体过程如下：

步骤2031、将内容图像和初始的生成图像输入原始模型，并设定内容图像经Relu4_1卷积层输出第4_1层内容特征图，内容图像经Relu5_1卷积层输出第5_1层内容特征图；

设定初始的生成图像经Relu4_1卷积层输出第4_1层生成特征图，初始的生成图像经Relu5_1卷积层输出第5_1层生成特征图；其中，第4_1层内容特征图、第5_1层内容特征图、第4_1层生成特征图和第5_1层生成特征图的数量均为N，且N＝512；

步骤2032、计算机根据公式 得到第n个第4_1层内容特征图

和第n个第4_1层生成特征图之间的内容损失Ln,4；其中， 表示第n个第4_1层内容特征图中(i,j)处的特征值， 表示第n个第4_1层生成特征图中(i,j)处的特征值，i,j,n均为正整数，且1≤i≤I，1≤j≤J，I表示第4_1层内容特征图或者第4_1层生成特征图的总列数，J表示第4_1层内容特征图或者第4_1层生成特征图的总行数，1≤n≤N；

计算机根据公式 得到第n个第5_1层内容特征图和第n个第

5_1层生成特征图之间的内容损失Ln,5；其中， 表示第n个第5_1层内容特征图中(i′,j′)处的特征值， 表示第n个第5_1层生成特征图中(i′,j′)处的特征值，i′,j′均为正整数，且1≤i′≤I′，1≤j′≤J′，I′表示第5_1层内容特征图或者第5_1层生成特征图的总列数，J′表示第5_1层内容特征图或者第5_1层生成特征图的总行数；

步骤2033、计算机根据公式 得到内容损失Lc；

步骤204、计算机获取风格损失，具体过程如下：

步骤2041、计算机将第一遮罩层覆盖在风格图像上，生成第一遮罩风格图像；计算机将第二遮罩层覆盖在风格图像上，生成第二遮罩风格图像；其中，第一遮罩层中人物区域的透明度设置为100％，第一遮罩层中背景区域的透明度设置为0；第二遮罩层中人物区域的透明度设置为0，第二遮罩层中背景区域的透明度设置为100％，第一遮罩层和第二遮罩层中背景区域均为白色，第一遮罩层中和第二遮罩层中人物区域均为黑色；

步骤2042、计算机将第一遮罩层覆盖在初始的生成图像上，生成第一遮罩生成图像，计算机将第二遮罩层覆盖在初始的生成图像上，生成第二遮罩生成图像；

步骤2043、计算机将第一遮罩风格图像、第二遮罩风格图像、第一遮罩生成图像和第二遮罩生成图像输入原始模型，且分别经Relu1_1卷积层、Relu2_1卷积层、Relu3_1卷积层、Relu4_1卷积层和Relu5_1卷积层输出的特征图进行风格损失的获取方法相同，其中，对经Relu c_1卷积层输出的特征图进行风格损失的获取，具体过程如下：步骤20431、设定第一遮罩风格图像、第二遮罩风格图像、第一遮罩生成图像和第二遮罩生成图像分别经Relu c_1卷积层输出第c_1层第一遮罩风格特征图、第c_1层第二遮罩风格特征图、第c_1层第一遮罩生成特征图和第c_1层第二遮罩生成特征图；且第c_1层第一遮罩风格特征图，第c_1层第二遮罩风格特征图、第c_1层第一遮罩生成特征图和第c_1层第二遮罩生成特征图的数量均为Nc；其中，c为正整数，且1≤c≤5；

步骤20432、计算机获取Nc个第c_1层第一遮罩风格特征图的格拉姆矩阵 且中第ac行第bc列元素值记作 且 表示Nc个第c_1层第一

遮罩风格特征图中第ac个第c_1层第一遮罩风格特征图和第bc个第c_1层第一遮罩风格特征图之间的互相关程度，ac和bc均为正整数，且1≤ac≤Nc，1≤bc≤Nc；

获取Nc个第c_1层第二遮罩风格特征图的格拉姆矩阵 且 中第ac行第bc列元素值记作 且 表示Nc个第c_1层第二遮罩风格特征图中第

ac个第c_1层第二遮罩风格特征图和第bc个第c_1层第二遮罩风格特征图之间的互相关程度；

获取Nc个第c_1层第一遮罩生成特征图的格拉姆矩阵 且 中第ac行第bc列元素值记作 且 表示Nc个第c_1层第一遮罩生成特征图中第

ac个第c_1层第一遮罩生成特征图和第bc个第c_1层第一遮罩生成特征图之间的互相关程度；

获取Nc个第c_1层第二遮罩生成特征图的格拉姆矩阵 且 中第ac行第bc列元素值记作 且 表示Nc个第c_1层第二遮罩生成特征图中第

ac个第c_1层第二遮罩生成特征图和第bc个第c_1层第二遮罩生成特征图之间的互相关程度；

步骤20433、计算机根据公式

得到第c_1层生成特征图的风格损失Ls,c‑1；

步骤20434、计算机根据公式 得到风格损失Ls；

步骤205、计算机根据公式 得

到总变差正则化损失Ltv；其中，Ri″,j″、Gi″,j″和Bi″,j″表示初始的生成图像中(i″,j″)像素坐标处的R分量、G分量和B分量，Ri″,j″+1、Gi″,j″+1和Bi″,j″+1表示初始的生成图像中(i″,j″+1)像素坐标处的R分量、G分量和B分量，Ri″+1,j″、Gi″+1,j″和Bi″+1,j″表示初始的生成图像中(i″+1,j″)像素坐标处的R分量、G分量和B分量，i″,j″均为正整数，且1≤i″≤C，1≤j″≤A；

步骤206、计算机根据公式 得到正则惩罚项Lm；其中，e为正整

数，且e取值为1,2和3，当e＝1，表示初始的生成图像的R通道，V1(o)表示初始的生成图像的R分量矩阵经PCA降维的向量化；当e＝2，表示初始的生成图像的G通道，V2(o)表示初始的生成图像的G分量矩阵经PCA降维的向量化；当e＝3，表示初始的生成图像的B通道，V3(o)表示初始的生成图像的B分量矩阵经PCA降维的向量化，MI表示内容图像的拉普拉斯矩阵；

步骤207、计算机根据公式Ltotal＝αLc+ρLs+γLtv+Lm，得到总损失函数Ltotal；其中，α表示内容损失的加权系数，ρ表示风格损失的加权系数，γ表示总变差正则化损失的权重；

步骤三、生成图像的迭代优化：

步骤301、计算机采用梯度下降算法，利用总损失函数对初始的生成图像进行迭代优化；

步骤302、重复步骤301迭代优化直至满足迭代优化预设次数，得到风格迁移图像。

2.按照权利要求1所述的一种人像风格迁移方法，其特征在于：步骤102中计算机对人物图像进行背景和前景分离，得到优化后的二值化人物图像，具体过程如下：步骤1021、计算机调取二值化模块对人物图像进行二值化处理，得到二值化人物图像；

其中，二值化人物图像的背景为白色，二值化人物图像中人物区域为黑色；

步骤1022、计算机调取腐蚀模块对二值化人物图像进行腐蚀处理，得到腐蚀后的二值化人物图像；

步骤1023、计算机调取膨胀模块对腐蚀后的二值化人物图像进行膨胀处理，得到优化后的二值化人物图像。

3.按照权利要求1所述的一种人像风格迁移方法，其特征在于：步骤104中计算机根据优化后的二值化人物图像，将人物图像中的人物区域与背景图像合成，得到合成人物图像，具体过程如下：步骤1041、计算机调取CNNY边缘提取模块对优化后的二值化人物图像进行边缘提取，得到人物区域轮廓；

步骤1042、计算机将人物区域轮廓所围设的区域标记为人物区域，并获取人物图像中所对应的人物区域各个像素点的像素坐标与RGB三分量值；其中，按照从左到右从上到下的顺序，将人物区域中第a个像素点的像素坐标记作(ua,va)，第a个像素点的像素坐标(ua,va)处的红色分量记作Reda，第a个像素点的像素坐标(ua,va)处的蓝色分量记作Bluea，第a个像素点的像素坐标(ua,va)处的绿色分量记作Greena，ua表示第a个像素点的列坐标，va表示第a个像素点的行坐标，a为正整数；

步骤1043、计算机将背景图像中第a个像素点的像素坐标(ua,va)处的红色分量、蓝色分量、绿色分量分别替换为Reda、Bluea和Greena，直至完成人物区域所有像素点的替换，得到合成人物图像。

4.按照权利要求1所述的一种人像风格迁移方法，其特征在于：步骤201中初始的生成图像的大小和内容图像的大小相同，初始的生成图像为RGB彩色图像，且初始的生成图像上的白噪声服从正态分布。

5.按照权利要求1所述的一种人像风格迁移方法，其特征在于：步骤202中16个卷积层的激活函数均为ReLU激活函数，16个卷积层的内核大小均为3×3，16个卷积层的步长均为

1，5个池化层的内核大小均为2×2，5个池化层的步长均为2。

6.按照权利要求1所述的一种人像风格迁移方法，其特征在于：步骤207中内容损失的加权系数α的取值为0～2，风格损失的加权系数ρ的取值为0～1000，总变差正则化损失的权重γ的取值为100～110；

步骤301中梯度下降算法中学习率α′的取值为0＜α′＜1；

步骤302中迭代优化预设次数为2000次～2100次。