1.一种基于惯性传感器的人类情感识别方法，其特征在于：具体识别步骤如下：步骤S1：通过文献参考法和模糊综合评价法，建立人体动作和人类情感之间的映射关系；

步骤S2：通过视频刺激被测者产生情感并做出动作，利用穿戴在被测者身上的n个惯性传感器节点，采集m个被测者的情感动作数据；

步骤S3：使用滑动窗口法对每个被测者穿戴的n个惯性传感器节点所采集的情感动作数据进行分割采样处理，以获得全部情感动作数据样本；

步骤S4：通过时频域分析法提取所述情感动作数据样本的特征，以获得表示人类情感的特征向量；

步骤S5：使用主成分分析法将所述特征向量进行降维处理，转化为数量尽可能少且最能表示人类情感的综合特征向量；

步骤S6：将步骤S5中转化得到的综合特征向量划分为训练数据和测试数据，利用训练数据进行模型训练和参数优化，以获得加权核支持向量机模型；

步骤S7：根据步骤S6中测试数据和加权核支持向量机模型，进行人类情感识别。

2.根据权利要求1所述的一种基于惯性传感器的人类情感识别方法，其特征在于：所述步骤S1具体步骤包括：S1.1：利用文献参考法，参考相关文献所提供的多个情感动作数据集，列出人体动作标签和人类情感标签，初步建立人体动作和人类情感的映射关系；

S1.2：利用模糊综合评价法，将步骤S1.1中得到的动作标签和情感标签的由多名专家依次评估，给出相关性打分，进一步确定人体动作与人类情感之间的映射关系。

3.根据权利要求1所述的一种基于惯性传感器的人类情感识别方法，其特征在于：所述步骤S3具体步骤包括：S3.1：使用滑动窗口法对每个被测者穿戴的n个惯性传感器节点所采集的情感动作数据分割成多个长度相等的情感动作数据片段，每个情感动作数据片段作为一个样本；

S3.2：滑动窗口法有窗口宽度和重叠率两个参数，令窗口宽度为ω并且每两个相邻窗口之间的重叠率为μ，这样一共得到t个窗口，其中，t＝INT(V/μω)‑1，V表示情感动作数据长度，INT为取整函数，向下取整为最接近的整数；

S3.3：对于第j个传感器节点的第T个窗口内的情感动作数据片段由三轴加速度数据、三轴角速度数据和三轴磁场数据组成，分别表示为

4.根据权利要求1所述的一种基于惯性传感器的人类情感识别方法，其特征在于：所述步骤S4具体步骤包括：通过时频域分析法，使用手动的方式提取每个窗口内情感动作数据片段的时域特征和频域特征，分别提取三轴加速度数据、三轴角速度数据和三轴磁场数据的均值、方差、峰度、能量、频域熵，得到的特征向量维度为M＝5个特征×9轴×n个传感器。

5.根据权利要求1所述的一种基于惯性传感器的人类情感识别方法，其特征在于：所述步骤S5具体步骤包括：利用主成分分析算法，对M维特征向量进行特征降维处理，转化为N个最能表示人类情感的综合特征向量，其中N＜＜M， FN表示N维综合特征向量构成的集合，FM表示M维特征向量构成的集合。

6.根据权利要求1‑5任一项所述的一种基于惯性传感器的人类情感识别方法，其特征在于：所述步骤S7具体步骤包括：加权核模型是将多个基本核函数进行线性凸组合构造加权核函数，其具体形式为：K(x,z)＝a1K1(x,z)+α2K2(x,z)+…+αhKh(x,z)+…+αkKk(x,z)其中，K(x,z)为加权核函数，Kk(x,z)为基本核函数，包括线性核函数、多项式核函数、高斯核函数和Sigmoid核函数的核函数，k为基本核函数的个数，αh为第h个基本核函数所对应的权值系数，h＝1,2,…,k，权值系数满足以下条件：a1+α2+…+αh+…+αk＝1；

通过定义模糊函数f(θh)得到模型识别率θh的隶属度，以计算第h个基本核函数所对应的权值系数αh，模糊函数f(θh)的数学表达式为：其中，a为常数，θh为支持向量机模型使用第h个基本核函数进行识别时所获得的模型识别率，那么第h个基本核函数所对应的权值系数αh为：支持向量机模型使用加权核函数建立加权核支持向量机模型，以对人类情感进行分类识别。