1.一种面向跌倒分析的人体姿态时空特征提取方法，其特征在于，包括如下步骤：步骤1，对于实时采集视频流中的每帧图像，采用AlphaPose人体姿态估计算法检测得到每帧图像中的人体骨骼关键点数据；

步骤2，基于步骤1得到的骨骼关键点数据，提取每帧图像中的人体姿态时空特征向量，具体过程如下：

步骤2‑1，提取每帧图像的人体高度差值，以表征人体姿态的跌空间特征；

步骤2‑2，提取每帧图像的人体姿态纵向运动速度、相邻帧高度差变化、三帧高度差变化和五帧高度差变化，以表征人体姿态的时序特征；

步骤2‑3，基于自适应的帧滑动窗口法FSW的人体姿态时空特征融合方法，提取每帧图像人体姿态的跌倒时空特征向量。

2.根据权利要求书1所述的一种面向跌倒分析的人体姿态点有效提取方法，其特征在于，步骤1中人体骨骼关键点数据包括各关键点的坐标以及置信度。

3.根据权利要求书1所述的一种面向跌倒分析的人体姿态时空特征提取方法，其特征在于，步骤2‑1中第i帧图像的人体高度差值为：其中， 表示第i帧图像中人体脖子关键点的纵坐标， 表示第i帧图像中人体脚踝关键点的纵坐标， 代表第i帧图像中人体右脚踝关键点的纵坐标， 代表第i帧图像中人体左脚踝关键点的纵坐标。

4.根据权利要求书1所述的一种面向跌倒分析的人体姿态时空特征提取方法，其特征在于，步骤2‑2中第i帧图像的人体姿态纵向运动速度为：式中， 表示第i帧图像中人体质心的纵坐标， 表示第i‑1帧图像中人体质心的纵坐标，Δt表示第i帧图像与第i‑1帧图像的时间差，人体质心为人体脖子关键点、左髋关键点和右髋关键点所围成的三角形重心位置。

5.根据权利要求书2所述的一种面向跌倒分析的人体姿态时空特征提取方法，其特征在于，步骤2‑2中第i帧图像的相邻帧高度差变化Δhi,1、三帧高度差变化Δhi,3和五帧高度差变化Δhi,5的计算公式分别为：Δhi,1＝hi‑hi‑1

Δhi,3＝hi‑hi‑3

Δhi,5＝hi‑hi‑5

其中hi‑1、hi‑3、hi‑5分别表示第i‑1帧、第i‑3帧、第i‑5帧图像的人体高度差值。

6.根据权利要求书2所述的一种面向跌倒分析的人体姿态时空特征提取方法，其特征在于，步骤2‑3中自适应帧的滑动窗口法FSW的帧窗口宽度T自适应调整，T的取值公式为：其中，Δt为第i帧图像与第i‑1帧图像的时间差，A为场景变量，L为人体与摄像机之间的距离， 为第i帧图像中人体脖子关键点的坐标， 为第i‑1帧图像中人体脖子关键点的坐标。

7.根据权利要求书2所述的一种面向跌倒分析的人体姿态时空特征提取方法，其特征在于，第i帧图像人体姿态的时空特征向量为其中， 分别为第i

帧图像对应的帧窗口宽度范围内所有帧图像的人体高度差值的最大值、最小值，分别为第i帧图像对应的帧窗口宽度范围内所有帧图像的人体姿态纵向运动速度的最大值、最小值， 分别为第i帧图像对应的帧窗口宽度范围内所有帧图像的相邻帧高度差变化的最大值、最小值， 分别为第i帧图像对应的帧窗口宽度范围内所有帧图像的三帧高度差变化的最大值、最小值， 分别为第i帧图像对应的帧窗口宽度范围内所有帧图像的五帧高度差变化的最大值、最小值。

8.根据权利要求书2所述的一种面向跌倒分析的人体姿态时空特征提取方法，其特征在于，该方法还包括对每帧图像人体姿态的时空特征向量中的特征进行归一化处理。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至8中任一所述的人体姿态时空特征提取方法。