1.一种面向跌倒分析的人体姿态点有效提取方法，其特征在于，具体过程如下：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，其中，人体骨骼关键点数据包括各关键点的坐标以及置信度；

步骤2，对步骤1中的人体骨骼关键点数据进行分层筛选，具体过程如下：步骤2‑1，采用基于姿态点置信度的方法，对步骤1中的人体骨骼关键点数据进行初次筛选；

步骤2‑2，采用基于行为差异性的方法，对步骤2‑1的初次筛选结果进行中次筛选；

步骤2‑3，采用基于行为一致性的方法，对步骤2‑2的中次筛选结果进行终次筛选；

步骤3，根据基于改进双线性插值IBLI理论的预测填充方法，对步骤2‑3的终次筛选结果中缺失的关键点进行预测填充，完成人体姿态点的提取。

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算法，其特征在于，步骤2‑1中的初次筛选采用如下规则：对某个人体姿态，当其对应的关键点中置信度为0的数目大于设定的阈值N时，忽略该人体姿态；

对某个人体姿态流，当其对应的脖子关键点的置信度均为0时，忽略此人体姿态流。

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点有效提取算法，其特征在于，步骤2‑2中采用基于行为差异性的中筛方法，排除左腕、右腕、左肘和右肘4个关键点对人体跌倒动作产生的影响，保留脖子、鼻子、左髋、右髋、左膝、右膝、左脚踝、右脚踝、左肩、右肩、左眼、右眼、左耳和右耳14个关键点。

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点有效提取算法，其特征在于，步骤2‑3中采用基于行为一致性的终筛方法，排除鼻子、左肩、右肩、左眼、右眼、左耳和右耳7个关键点对人体跌倒动作产生的影响，保留脖子、左髋、右髋、左膝、右膝、左脚踝和右脚踝7个关键点。

5.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算法，其特征在于，步骤3的具体过程如下：

若第t帧中跟踪标记为id的人体姿态存在缺失的关键点k、且第t帧不为首尾帧，则预测填充得到缺失点k的横坐标、纵坐标分别为：其中， 分别为由第t帧向前查找到的第i帧中跟踪标记为id的人体姿态中关键点k的横坐标、纵坐标和置信度， 分别为由第t帧向前查找到的第j帧中跟踪标记为id的人体姿态中关键点k的横坐标、纵坐标和置信度；

若第t帧中跟踪标记为id的人体姿态存在缺失的关键点k、且第t帧为当前视频流的最新帧，则预测填充得到缺失点k的横坐标、纵坐标分别为：其中， 分别为由第t帧向前查找到的第t‑1帧中跟踪标记为id的人体姿态中关键点k的横坐标、纵坐标， 分别为由第t帧向前查找到的第t‑2帧中跟踪标记为id的人体姿态中关键点k的横坐标、纵坐标。