1.一种健身动作识别监控方法，其特征在于，包括以下步骤：S1、标准动作图像库构建，通过教练员的健身动作，构建所有健身动作的标准图像库；

S2、学员体型评估，通过实时学员的正视图像和侧视图像分析部分动作影响度；

S3、标准动作图像库修正，通过学员体型参数得到动作影响度，对标准动作判断范围修正，并增加时间优化因子；

步骤S1具体如下：

输入为：健身动作视频，进行视频帧分解处理，输出为：健身动作图像；通过健身房多个摄像头，采集教练员的一套健身动作视频，默认教练员都为标准身材，将健身动作视频进行健身动作分解，每个健身动作都保留正视和侧视两组连续帧图像；步骤S1还包括：通过关键点检测网络获取教练员的身体关键点，身体关键点应包括头部、颈部、腹部双肩、双手、双肘，双髋，双膝，双脚15个关键点，关键点检测网络采用OpenPose网络模型，识别到连续帧图像中教练员的所有身体关键点，然后，将每个动作对应的身体关键点进行标记，识别在动作完成周期内，每个动作对应的身体关键点的三个自由度的变化，本申请不研究旋转的三个自由度，只针对二维平面的平移自由度变化，通过自由度统计，得到每个动作对应的身体关键点的自由度数量，俯身摸脚尖动作，参与运动的关键点为部分关键点，其中，双脚、双膝、双髋、腹部7个关键点为0个自由度，双手、双肘4个关键点为三个自由度x,y,z运动，头部、颈部、双肩4个关键点为两个自由度y,z运动，然后获取开合跳动作中不同的关键点对应自由度的运动范围；

所述获取开合跳动作中不同的关键点对应自由度的运动范围的方法如下：以关键点为端点，以各自由度上最大运动距离为轴长作椭圆，得到表征关键点的运动轨迹和运动幅度的椭圆运动模型；

获取标准动作下，两个自由度关键点的椭圆运动模型，以关键点为标签，记录各个椭圆数据，根据椭圆运动模型获取椭圆参数：a,b，其中，a表示椭圆的长轴长，b表示椭圆的短轴长，当某些动作为三个自由度运动时，只研究运动幅度较大的两个自由度的运动距离，构成椭圆运动模型；

关键点椭圆运动模型具体为：动作初始左手位置位于头部上方，动作结束左手位置位于右脚脚尖，以初始和结束时，手部关键点位置在自由度z上的运动距离作为椭圆运动模型的长轴长a，以初始和结束时，手部关键点位置在自由度x上的运动距离作为椭圆运动模型的短轴长b，最终，通过动作初始和结束时，手部关键点位置作为椭圆的长轴端点，长轴长为a，短轴长为b，得到标准的手部关键点椭圆运动模型，通过此方法，得到俯身摸脚尖动作的所有运动自由度大于2的关键点的椭圆运动模型；

通过各个动作中关键点对应的标准椭圆运动模型，来识别学员健身运动中的不标准动作，并根据标准椭圆运动模型的标签，来定位具体动作不标准的身体部位，有利于教练快速获取学员的健身状态和健身规范习惯。

2.根据权利要求1所述的一种健身动作识别监控方法，其特征在于，步骤S2具体如下：输入为：健身动作图像，进行身体各部位图像分析，输出为：动作影响度，通过相机获取实时学员的正视图像和侧视图像，在相机固定物距和焦距的情况下，教练员和学员的图像对比即为实际的体型对比，利用目标检测算法和图像分割法，将相机采集的学员正视图像中，各个学员的图像分割出来，目标检测算法采用YOLO V5、Faster RCNN模型，获取所有学员的目标包围框，在以包围框为分割边缘，将学员的图像分割出来，利用透视变换对视差进行校正，得到正视且固定物距、焦距情况下，采集到的学员的正面图像A和侧面图像B。

3.根据权利要求2所述的一种健身动作识别监控方法，其特征在于，获取动作影响度的具体步骤如下：

通过学员正面图像A的分割图像大小与教练员正面图像A′做交并比U，得到初始正面交并比U1，同样的，将通过学员与教练员的侧面分割图像得到初始侧面交并比U2，设置交并比阈值M1＝0.8，当正面交并比U1＞M1且侧面交并比U2＞M1时，此时的动作影响度 否则，继续计算动作影响度

获取人体边缘图像，所述人体边缘只包括人体的最外部轮廓，具体方法：将学员正面图像A和侧面图像B进行两次图像腐蚀，得到腐蚀正面图像A″和腐蚀侧面图像B″，再利用正面图像A与腐蚀正面图像A″作差，得到正面差异图D1，经过上述正面图像操作，得到侧面差异图D2，然后，将正面差异图D1和侧面差异图D2进行二值化处理，得到二值正面图像D′1和侧面图像D′2，也即为人体最外部轮廓图；

以身体关键点为边界点，对正面轮廓图进一步分割，将身体关键点之间的边缘线作为包围框边缘，得到人体的局部包围框，进一步的，计算学员的各个局部包围框与教练对应的i

局部包围框之间的交并比U，上标i表示局部包围框的个数；

通过连续帧边缘轮廓图像，获取教练员每个分解动作中相邻局部包围框的动作弯曲方向S，具体的获取方法为：以局部包围框的两端点之间得到图像边缘向量的变化方向作为动作弯曲方向S，动作弯曲方向S所经过的局部包围框区域都作为动作相关的局部包围框，通过动作弯曲方向来选择动作相关的局部包围框，作为后续动作修正的动作影响度参数其中，n的取值由动作相关的局部包围框的数量决定。

4.根据权利要求1所述的一种健身动作识别监控方法，其特征在于，步骤S3具体如下：输入为：动作影响度，进行标准动作库校正，输出为：修正后的标准动作库，通过模块二获取的动作影响度 对模块一中得到的各个动作中关键点的标准椭圆运动模型参数：长轴a和短轴b进行修正，得到每个学员修正后的椭圆运动模型， 为了系统识别判断速度，标准动作修正可在每个学员开始进行健身训练之前，直接对初始标准图像库进行修正，得到修正后的图像库数据，然后采用每半月更新一次的方法，不断对学员的图像库数据进行迭代更新。

5.一种健身动作识别监控系统，其特征在于，包括：第一模块、第二模块和第三模块，其中，

第一模块，用于标准动作图像库构建，通过教练员的健身动作，构建所有健身动作的标准图像库；

第二模块，用于学员体型评估，通过实时学员的正视图像和侧视图像分析部分动作影响度；

第三模块，用于标准动作图像库修正，通过学员体型参数得到动作影响度，对标准动作判断范围修正，并增加时间优化因子；

其中，第一模块的输入为：健身动作视频，进行视频帧分解处理，输出为：健身动作图像；通过健身房多个摄像头，采集教练员的一套健身动作视频，默认教练员都为标准身材，将健身动作视频进行健身动作分解，每个健身动作都保留正视和侧视两组连续帧图像；

第一模块还包括：

通过关键点检测网络获取教练员的身体关键点，身体关键点应包括头部、颈部、腹部双肩、双手、双肘，双髋，双膝，双脚15个关键点，关键点检测网络采用OpenPose网络模型，识别到连续帧图像中教练员的所有身体关键点，然后，将每个动作对应的身体关键点进行标记，识别在动作完成周期内，每个动作对应的身体关键点的三个自由度的变化，本申请不研究旋转的三个自由度，只针对二维平面的平移自由度变化，通过自由度统计，得到每个动作对应的身体关键点的自由度数量，俯身摸脚尖动作，参与运动的关键点为部分关键点，其中，双脚、双膝、双髋、腹部7个关键点为0个自由度，双手、双肘4个关键点为三个自由度x,y,z运动，头部、颈部、双肩4个关键点为两个自由度y,z运动，然后获取开合跳动作中不同的关键点对应自由度的运动范围；

所述获取开合跳动作中不同的关键点对应自由度的运动范围的方法如下：以关键点为端点，以各自由度上最大运动距离为轴长作椭圆，得到表征关键点的运动轨迹和运动幅度的椭圆运动模型；

获取标准动作下，两个自由度关键点的椭圆运动模型，以关键点为标签，记录各个椭圆数据，根据椭圆运动模型获取椭圆参数：a,b，其中，a表示椭圆的长轴长，b表示椭圆的短轴长，当某些动作为三个自由度运动时，只研究运动幅度较大的两个自由度的运动距离，构成椭圆运动模型；

关键点椭圆运动模型具体为：动作初始左手位置位于头部上方，动作结束左手位置位于右脚脚尖，以初始和结束时，手部关键点位置在自由度z上的运动距离作为椭圆运动模型的长轴长a，以初始和结束时，手部关键点位置在自由度x上的运动距离作为椭圆运动模型的短轴长b，最终，通过动作初始和结束时，手部关键点位置作为椭圆的长轴端点，长轴长为a，短轴长为b，得到标准的手部关键点椭圆运动模型，通过此方法，得到俯身摸脚尖动作的所有运动自由度大于2的关键点的椭圆运动模型；

通过各个动作中关键点对应的标准椭圆运动模型，来识别学员健身运动中的不标准动作，并根据标准椭圆运动模型的标签，来定位具体动作不标准的身体部位，有利于教练快速获取学员的健身状态和健身规范习惯。