1.一种实时网球动作识别方法，其特征在于，包括：

利用openpose识别包含运动人员的目标视频中每一帧的多个关节点的二维坐标；

以所述运动人员两胯中点对应的关节点为坐标原点，对全部所述关节点的二维坐标进行归一化，得到缩放关节点坐标；

根据k近邻算法识别每一帧中所述缩放关节点坐标对应的子动作类型并得到每个所述子动作类型对应的关键帧；

计算每张所述关键帧中规定关节的角度值；

当全部所述角度值均在所述子动作对应的预设范围内时，则判定所述子动作为标准。

2.根据权利要求1所述的方法，其特征在于,所述以所述运动人员两胯中点对应的关节点为坐标原点，对全部所述关节点的二维坐标进行归一化，得到缩放关节点坐标的步骤，包括：将每个所述关节点的二维坐标除以所述运动人员的身体尺寸，得到每个所述关节点对应的缩放关节点坐标。

3.根据权利要求1所述的方法，其特征在于,所述将每个所述关节点的二维坐标除以所述运动人员的身体尺寸，得到每个所述关节点对应的缩放关节点坐标的步骤之前，所述方法还包括：计算所述运动人员对应的关节点中的中心点，并以所述中心点为所述坐标原点；

计算所述运动人员左肩和右肩的关节点之间的均值，并计算所述均值与所述坐标原点的欧氏距离作为身体最小尺寸；

计算每个所述关节点与所述坐标原点相差最大的距离作为身体最大尺寸；

根据所述身体最小尺寸和所述身体最大尺寸计算得到所述身体尺寸。

4.根据权利要求1所述的方法，其特征在于,所述根据k邻近算法识别每一帧中所述缩放关节点坐标对应的子动作类型并得到每个所述子动作类型对应的关键帧的步骤，包括：根据每一帧中所述缩放关节点坐标定义关节之间的距离和身体扭曲方向，提取特征向量；

使用所述k近邻算法依次将每帧的特征向量与样本动作类型对应的样本向量进行搜索比对，得到每帧中所述缩放关节点坐标对应的子动作类型；

将每个所述子动作类型对应的帧作为所述关键帧。

5.根据权利要求4所述的方法，其特征在于,所述使用所述k近邻算法依次将每帧的特征向量与样本动作对应的样本向量进行搜索比对，得到每帧中所述缩放关节点坐标对应的子动作类型的步骤之前，所述方法还包括：计算当前帧的特征向量与所述样本向量的最大距离，并将其剔除。

6.根据权利要求4所述的方法，其特征在于,所述使用所述k近邻算法依次将每帧的特征向量与样本动作对应的样本向量进行搜索比对，得到每帧中所述缩放关节点坐标对应的子动作类型的步骤，包括：根据所述k近邻算法分别计算所述特征向量与多个所述样本动作对应的样本向量之间的距离，得到每帧的缩放关节点坐标属于每个所述样本动作类型的概率作为识别结果；

依次对全部所述识别结果进行平滑处理，得到指数移动平均值；

当所述指数移动平均值大于阈值时，将当前帧对应的子动作类型识别为所述样本动作类型并将之后帧识别为相同的子动作类型直到所述指数移动平均值小于所述阈值。

7.一种实时网球动作识别装置，其特征在于，包括：

识别模块，用于利用openpose识别包含运动人员的目标视频中每一帧的多个关节点的二维坐标；

缩放模块，用于以所述运动人员两胯中点对应的关节点为坐标原点，对全部所述关节点的二维坐标进行归一化，得到缩放关节点坐标；

分类模块，用于根据k近邻算法识别每一帧中所述缩放关节点坐标对应的子动作类型并得到每个所述子动作类型对应的关键帧；

计算模块，用于计算每张所述关键帧中规定关节的角度值；

判断模块，用于当全部所述角度值均在所述子动作对应的预设范围内时，则判定所述子动作为标准。

8.一种电子设备，其特征在于，所述电子设备包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行前述权利要求1‑6中任一项所述的实时网球动作识别方法。

9.一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质存储计算机指令，该计算机指令用于使该计算机执行前述权利要求1‑6中任一项所述的实时网球动作识别方法。