1.一种基于人体姿态估计的安全帽佩戴的新型识别方法，其特征在于，包括以下步骤：

获取若干人员的初始图像，使用人体姿态估计从所述初始图像中获取人体的关节点信息；

基于获取的人体的关节点信息，确定定位圆的圆心及其直径长度，构建所述定位圆的外接正方形，从初始图像中截取人体的头颈部子图；

对所述头颈部子图进行标注得到数据集，并将所述数据集输入构建的小型分类网络模型中进行模型训练，获取训练完成的分类网络模型；

根据训练完成的分类网络模型对待测试人员进行分类，识别施工人员是否佩戴安全帽；

其中，所述从初始图像中截取人体的头颈部子图，具体为：基于人体的关节点信息，获取关节点在图像中的坐标信息，并基于获取关节点的不同情况，选用相应的切割方法，分为以下两种情况：当检测到的关节点有脖子、右耳和左耳时，设脖子关节点、右耳关节点、左耳关节点的坐标分别为N(x0,y0)、Re(x1,y1)、Le(x2,y2)，连接左耳关节点和右耳关节点形成线段ReLe，取脖子关节点N(x0,y0)以线段ReLe为对称轴的对称点N'(x'0,y'0)，所述右耳关节点和左耳关节点可替换为右眼关节点和左眼关节点；连接N(x0,y0)和N'(x'0,y'0)形成线段NN'，以线段ReLe和线段NN'的交点为圆心，则将以c((x'0+x0)/2,(y'0+y0)/2)为圆心、线段NN'为直径的圆的外接正方形作为头颈部子图区域进行切割，其中，线段ReLe和线段NN'的长度计算公式如下：当检测到的关节点仅有脖子、左耳或者脖子、右耳时，设脖子关节点和耳朵关节点的坐标分别为N(x0,y0)、E(x1,y1)，连接脖子关节点和耳朵关节点得到线段NE，则将以耳朵关节点E(x1,y1)为圆心、线段NE为直径的圆的外接正方形作为头颈部子图区域进行切割，其中，线段NE的长度计算公式如下：所述构建的小型分类网络模型包括：2个卷积层、2个池化层、2个Dropout层和3个全连接层；其中，第一卷积层、第一池化层、第二卷积层、第二池化层、第一全连接层、第一Dropout层、第二全连接层、第二Dropout层、第三全连接层依次相连。

2.根据权利要求1所述的一种基于人体姿态估计的安全帽佩戴的新型识别方法，其特征在于，所述获取人体的关节点信息，具体为：通过公开数据集或街边拍照的方式采集若干人员的初始图像，采用OpenPose作为人体姿态估计方法对若干人员进行姿态估计，具体过程如下：利用VGG19的前十层从输入的初始图像中提取特征，并通过一系列的多阶段卷积神经网络对提取的特征进行处理，获取优化检测的结果；

使用PCM表示关节点的位置信息；

使用PAF表示关节点之间的亲和力信息，亲和力高的关节点会相连；

连通整个人体的关节点，获取需要的人体关节点信息。

3.根据权利要求2所述的一种基于人体姿态估计的安全帽佩戴的新型识别方法，其特征在于，在所述一系列的多阶段卷积神经网络中，每个多阶段卷积神经网络包括两个分支，第一分支用于预测关节点的置信度，第二分支用于预测关节点的亲和度向量场；除第一阶段卷积神经网络外，每个阶段卷积神经网络的输入均为上一阶段卷积神经网络的两个分支的输出和初始图像的输入进行融合。

4.根据权利要求1所述的一种基于人体姿态估计的安全帽佩戴的新型识别方法，其特征在于，所述获取训练完成的分类网络模型，具体包括以下步骤：将所述数据集中标注的头颈部子图分为三类，包括：不佩戴的、戴安全帽的以及戴其他帽子的；

采用旋转、反转和颜色变换的数据增强方法对所述数据集进行处理，获得扩充后的数据集；

将所述扩充后的数据集输入构建的小型分类网络模型中进行模型训练，计算精确率、准确率、召回率和损失值，直至模型收敛时，停止训练得到训练完成的分类网络模型。

5.一种基于人体姿态估计的安全帽佩戴的新型识别系统，其特征在于，用于实现如权利要求1‑4任一项所述的基于人体姿态估计的安全帽佩戴的新型识别方法，包括：获取模块、截取模块、标注模块、构建模块、训练模块、识别模块；

所述获取模块，用于获取若干人员的初始图像，并使用人体姿态估计从所述初始图像中获取人体的关节点信息；

所述截取模块，基于获取的人体的关节点信息，确定定位圆的圆心及其直径长度，构建所述定位圆的外接正方形，从初始图像中截取人体的头颈部子图；

所述标注模块，用于对所述头颈部子图进行标注得到数据集；

所述构建模块，用于构建小型分类网络模型；

所述训练模块，用于将所述数据集输入构建的小型分类网络模型中进行模型训练，获取训练完成的分类网络模型；

所述识别模块，根据训练完成的分类网络模型对待测试人员进行分类，识别施工人员是否佩戴安全帽。

6.根据权利要求5所述的一种基于人体姿态估计的安全帽佩戴的新型识别系统，其特征在于，所述人体姿态估计为OpenPose，其网络结构包括：VGG19网络和一系列的多阶段卷积神经网络；在所述一系列的多阶段卷积神经网络中，每个多阶段卷积神经网络包括两个分支，第一分支用于预测关节点的置信度，第二分支用于预测关节点的亲和度向量场；除第一阶段卷积神经网络外，每个阶段卷积神经网络的输入均为上一阶段卷积神经网络的两个分支的输出和初始图像的输入进行融合。

7.根据权利要求5所述的一种基于人体姿态估计的安全帽佩戴的新型识别系统，其特征在于，所述数据集中的标注的头颈部子图包括三种：不佩戴的、戴安全帽的以及戴其他帽子的。