1.一种人体姿态识别方法，其特征在于，所述方法包括：获取人体姿态图像数据；

通过所述图像数据获取所述人体的背部轮廓，将所述背部轮廓按收缩规则获取符合所述收缩规则的背部收缩轮廓，通过所述图像数据获取多个人体特征点，所述人体特征点包括髋关节点、肩关节点、耳框中心点、踝点；

通过预设图形规则，结合所述髋关节点与所述肩关节点，获取符合所述预设图形规则的参考点，以所述髋关节点与所述参考点的连线为角度起始边界，根据第一预设角度获取与所述背部收缩轮廓的交点为胸中心点，根据第二预设角度获取与所述背部收缩轮廓的交点为腰中心点；

依次连接所述耳框中心点、所述胸中心点、所述腰中心点、所述髋关节点以及所述踝点，分别获得以所述胸中心点为顶点的第一辅助角、以所述腰中心点为顶点的第二辅助角、以所述髋关节点为顶点的第三辅助角以及以所述踝点为顶点的第四辅助角，根据所述第一辅助角、所述第二辅助角、所述第三辅助角以及第四辅助角，识别所述人体的当前姿态；

所述通过预设图形规则，结合所述髋关节点与所述肩关节点，获取符合所述预设图形规则的参考点的步骤包括：

以所述髋关节点与所述肩关节点为等边三角形的底边端点，向所述人体的前方寻找等边三角形的顶点，所述顶点为所述参考点。

2.根据权利要求1所述的人体姿态识别方法，其特征在于，所述通过所述图像数据获取所述人体的背部轮廓，将所述背部轮廓按收缩规则获取符合所述收缩规则的背部收缩轮廓的步骤包括：

通过预训练的人体轮廓识别模型识别所述图像数据，获得所述人体的姿态轮廓，所述姿态轮廓包括背部轮廓；

收缩所述背部轮廓，使得收缩后的背部轮廓的两端点分别与所述髋关节点及所述肩关节点重合，获得所述背部收缩轮廓。

3.根据权利要求1所述的人体姿态识别方法，其特征在于，所述通过所述图像数据获取多个人体特征点的步骤包括：

通过预训练的深度学习神经网络模型识别所述图像数据，获取所述图像数据中的多个所述人体特征点。

4.根据权利要求1所述的人体姿态识别方法，其特征在于，所述第一预设角度的取值范围为36°40°；

~

所述第二预设角度的取值范围为9°13°。

~

5.根据权利要求1所述的人体姿态识别方法，其特征在于，所述根据第一预设角度获取与所述背部收缩轮廓的交点为胸中心点的步骤包括：以所述角度起始边界为角度测量起始线，根据第一预设角度结合所述角度测量起始线获取第一辅助线；

所述第一辅助线与所述背部收缩轮廓的交点为胸中心点；

所述根据第二预设角度获取与所述背部收缩轮廓的交点为腰中心点的步骤包括：以所述角度起始边界为角度测量起始线，根据第二预设角度结合所述角度测量起始线获取第二辅助线；

所述第二辅助线与所述背部收缩轮廓的交点为腰中心点。

6.根据权利要求2所述的人体姿态识别方法，其特征在于，所述参考点与所述背部轮廓分设于所述背部收缩轮廓的两侧。

7.一种人体姿态识别系统，其特征在于，所述系统包括：第一获取模块，用于获取人体姿态图像数据；

第二获取模块，用于通过所述图像数据获取所述人体的背部轮廓，将所述背部轮廓按收缩规则获取符合所述收缩规则的背部收缩轮廓，通过所述图像数据获取多个人体特征点，所述人体特征点包括髋关节点、肩关节点、耳框中心点、踝点；

第三获取模块，用于通过预设图形规则，结合所述髋关节点与所述肩关节点，获取符合所述预设图形规则的参考点，以所述髋关节点与所述参考点的连线为角度起始边界，根据第一预设角度获取与所述背部收缩轮廓的交点为胸中心点，根据第二预设角度获取与所述背部收缩轮廓的交点为腰中心点；

识别模块，用于依次连接所述耳框中心点、所述胸中心点、所述腰中心点、所述髋关节点以及所述踝点，分别获得以所述胸中心点为顶点的第一辅助角、以所述腰中心点为顶点的第二辅助角、以所述髋关节点为顶点的第三辅助角以及以所述踝点为顶点的第四辅助角，根据所述第一辅助角、所述第二辅助角、所述第三辅助角以及第四辅助角，识别所述人体的当前姿态；

第三获取模块包括：

参考点获取单元，用于以所述髋关节点与所述肩关节点为等边三角形的底边端点，向所述人体的前方寻找等边三角形的顶点，所述顶点为所述参考点。

8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1－6任一所述的人体姿态识别方法。

9.一种数据处理设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1－6任一所述的人体姿态识别方法。