1.一种心境状态监测方法，其特征在于，所述方法包括：

获取目标个体的自主神经活动信号；其中，所述自主神经活动信号包括多个分时段自主神经活动信号；

从所述多个分时段自主神经活动信号中分别提取目标序列，得到多个分时段的生理数据；

根据预设特征空间对所述多个分时段的生理数据进行计算和比较，以确定所述目标个体的心境状态；其中，所述预设特征空间包括：预设压力等级评定特征空间、预设副交感神经强制调节状态检测特征空间、以及和预设心境状态评定特征空间；

其中，所述根据预设特征空间对所述多个分时段的生理数据进行计算和比较，以确定所述目标个体的心境状态，包括：根据所述预设压力等级评定特征空间，对所述多个分时段的生理数据分别进行压力等级评定，得到压力等级评定后的所述多个分时段的生理数据，并根据预设压力评分方法对所述多个分时段的生理数据进行计算，得到所述多个分时段的生理数据的压力评分；

根据所述预设副交感神经强制调节状态检测特征空间，对所述多个分时段的生理数据进行副交感神经强制调节检测，得到所述多个分时段的生理数据的副交感神经强制调节时间分布和频率；

根据所述预设心境状态评定特征空间，对所述多个分时段的生理数据的压力评分和副交感神经强制调节时间分布和频率进行分析和比较，以确定所述目标个体的心境状态。

2.根据权利要求1所述的心境状态监测方法，其特征在于，所述获取目标个体的自主神经活动信号包括：获取医用传感器采集的所述目标个体的生理信号；其中，所述生理信号包括自主神经活动信号和人体三维加速度信号；

对所述自主神经活动信号和人体三维加速度信号进行分割计算，得到多个分时段的人体三维加速度信号和自主神经活动信号；

判断所述多个分时的人体三维加速度信号是否大于预设人体三维加速度信号；

若是，则将所述多个分时段的人体三维加速度信号对应的所述自主神经活动信号确定为非目标个体的自主神经活动信号；

若否，则将所述多个分时段的人体三维加速度信号对应的所述自主神经活动信号确定为所述目标个体的自主神经活动信号。

3.根据权利要求1所述的心境状态监测方法，其特征在于，所述预设压力等级评定特征空间由以下方式构建：根据预设压力等级经验效标，对预设生理数据进行压力等级标定，得到多个压力等级的预设生理数据；

根据目标序列节律的周期函数和两次目标序列节律的平均涨落函数，对所述多个压力等级的预设生理数据进行计算，得到所述多个压力等级的预设生理数据的计算结果，并根据所述计算结果构建所述预设压力等级评定特征空间。

4.根据权利要求3所述心境状态监测方法，其特征在于，其中，所述预设压力评分方法包括公式一： Score为所述分时段的生理数据的压力评分；x为所述分时段的生理数据；x1为所述分时段的生理数据的压力等级对应的预设生理数据的类中心；s为预设生理数据的类标准差；j为所述分时段的生理数据的压力等级；

所述根据所述预设压力等级评定特征空间，对所述多个分时段的生理数据分别进行压力等级评定，得到压力等级评定后的所述多个分时段的生理数据，并根据预设压力评分方法对所述多个分时段的生理数据进行计算，得到所述多个分时段的生理数据的压力评分，包括：根据所述目标序列节律的周期函数和两次目标序列节律的平均涨落函数，对所述多个分时段的生理数据进行计算，得到所述多个分时段的生理数据的计算结果；

将所述多个分时段的生理数据的计算结果分别映射至所述预设压力等级评定特征空间，并将所述多个压力等级的预设生理数据的计算结果的类中心分别与所述计算结果进行距离计算，得到所述多个分时段的生理数据的计算结果分别与所述多个压力等级的预设生理数据的计算结果的类中心的距离；

从所述多个分时段的生理数据的计算结果分别与所述多个压力等级的预设生理数据的计算结果的类中心的距离中分别确定出多个最小距离，并将所述多个最小距离对应的预设生理数据的压力等级分别作为所述多个分时段的生理数据的压力等级；

根据所述公式一、所述多个分时段的生理数据、所述多个分时段的生理数据对应压力等级的预设生理数据的类中心、所述预设生理数据的类标准差和所述多个分时段的生理数据的压力等级，得到所述多个分时段的生理数据的压力评分。

5.根据权利要求1所述心境状态监测方法，其特征在于，所述预设副交感神经强制调节状态检测特征空间由以下方式构建：根据预设压力等级经验效标、预设疲劳理论模型、预设作息和饮食不规律效标，对预设生理数据进行标定，得到多个第一生理数据和第二生理数据；其中，所述第一生理数据标定为副交感神经强制调节；

根据预设变换尺度区间的小波基函数，对所述多个第一生理数据和第二生理数据分别进行连续小波变换，得到所述多个第一生理数据和第二生理数据与所述多个分时段的生理数据的几何形态逼近程度度量指标；

将所述多个第一生理数据和第二生理数据分别与相邻的所述第一生理数据和第二生理数据进行平均差计算，得到所述多个第一生理数据和第二生理数据的平均差；

获取所述多个第一生理数据和第二生理数据在预设频率下的功率值；

基于所述多个第一生理数据和第二生理数据的最大变换尺度、平均差和在所述预设频率下的功率值，得到所述多个第一生理数据和第二生理数据的计算结果；

根据所述多个第一生理数据和第二生理数据的计算结果构建所述副交感神经强制调节状态检测特征空间。

6.根据权利要求5所述心境状态监测方法，其特征在于，所述根据所述预设副交感神经强制调节状态检测特征空间，对所述多个分时段的生理数据进行副交感神经强制调节检测，得到所述多个分时段的生理数据的副交感神经强制调节时间分布和频率，包括：将所述多个分时段的生理数据进行小波变换，得到所述多个分时段生理数据的几何形态逼近程度度量指标；

将所述多个分时段的生理数据与相邻的所述分时段的生理数据进行平均差计算，得到所述多个分时段的生理数据的平均差；

获取所述多个分时段的生理数据在所述预设频率下的功率值；

基于所述多个分时段的生理数据的几何形态逼近程度度量指标、平均差和在所述预设频率下的功率值，得到所述多个分时段的生理数据的计算结果；

将所述多个分时段的生理数据的计算结果分别映射至所述预设副交感神经强制调节状态检测特征空间，并将所述多个第一生理数据和第二生理数据的计算结果的类中心分别与所述计算结果进行距离计算，得到所述多个分时段的生理数据的计算结果分别与所述多个第一生理数据和第二生理数据的计算结果的类中心的距离；

从所述多个分时段的生理数据的计算结果与所述多个第一生理数据和第二生理数据的计算结果的类中心的距离中分别确定出多个最小距离；

若所述多个最小距离对应的所述预设生理数据为所述第一生理数据时，则将多个所述最小距离对应的所述多个分时段生理数据标记为副交感神经强制调节，并记录所述多个分时段的生理数据的副交感神经强制调节次数，以得到所述多个分时段的生理数据的副交感神经强制调节时间分布和频率。

7.根据权利要求1所述心境状态监测方法，其特征在于，所述预设心境状态评定特征空间由以下方式构建：根据预设自评表，对预设生理数据进行心境状态标定，得到已标定心境状态的预设生理数据；

计算已标定心境状态的预设生理数据的压力评分和副交感神经强制调节时间分布和频率，得到心境状态良好和心境状态不佳的预设压力评分、预设副交感神经强制调节时间分布和频率；

根据心境状态良好和心境状态不佳的预设压力评分、预设副交感神经强制调节时间分布和频率构建所述预设心境状态评定特征空间。

8.根据权利要求7所述心境状态监测方法，其特征在于，所述根据所述预设的心境状态评定特征空间，对所述多个分时段的生理数据的压力评分和强制调节时间分布和频率进行分析和比较，以确定所述目标个体的心境状态，包括：根据所述目标个体的作息时间，对所述多个分时段的生理数据的压力评分进行分组，得到多个觉醒状态和睡眠状态的生理数据的压力评分；

根据预设压力等级经验效标和预设疲劳理论模型，对所述多个分时段的生理数据的副交感神经强制调节时间分布和频率进行分组，得到多个生理易疲劳时间和生理不易疲劳时间的副交感神经强制调节时间分布和频率；

从所述多个觉醒状态的生理数据的压力评分中确定出小于所述心境状态良好的预设压力评分的所述觉醒状态的生理数据的压力评分，得到第一觉醒状态的生理数据的压力评分；

从多个所述睡眠状态的生理数据的压力评分中确定出为压力评分为零的所述睡眠状态的生理数据的压力评分，得到第一睡眠状态的生理数据的压力评分；

若所述第一觉醒状态的生理数据的压力评分对应的时长与所述多个分时段的时长的占比大于所述心境状态良好的预设时长占比、所述第一睡眠状态的生理数据的压力评分对应的时长与所述多个分时段的时长的占比大于心境状态良好的预设时长占比以及所述多个生理易疲劳时间的强制调节频率小于心境状态良好的预设调节频率，则确定所述心境状态为良好。

9.根据权利要求8所述心境状态监测方法，其特征在于，所述根据预设心境状态评定的特征空间，对所述多个分时段的生理数据的压力评分和强制调节频率进行分析和比较，以确定所述心境状态，包括：从所述多个觉醒状态的生理数据的压力评分中确定出大于所述心境状态不佳的预设压力评分的所述觉醒状态的生理数据的压力评分，得到第二觉醒状态的生理数据的压力评分；

从多个所述睡眠状态的生理数据的压力评分中确定出大于所述心境状态不佳的预设压力评分的所述睡眠状态的生理数据的压力评分，得到第二睡眠状态的生理数据的压力评分；

若所述第二觉醒状态的生理数据的压力评分对应的时长与所述多个分时段的时长的占比大于所述心境状态不佳的预设时长占比、所述第二睡眠状态的生理数据的压力评分对应的时长与所述多个分时段的时长的占比大于心境状态不佳的预设时长占比以及所述多个生理不易疲劳时间的强制调节频率大于心境状态不佳的预设调节频率，则确定所述心境状态为不佳。

10.一种心境状态监测装置，其特征在于，所述装置包括：

获取模块，用于获取目标个体的自主神经活动信号；其中，所述自主神经活动信号包括多个分时段自主神经活动信号；

提取模块，用于从所述多个分时段自主神经活动信号中分别提取目标序列，得到多个分时段的生理数据；

分析模块，用于根据预设特征空间对所述多个分时段的生理数据进行计算和比较，以确定所述目标个体的心境状态；其中，所述预设特征空间包括：预设压力等级评定特征空间、预设副交感神经强制调节状态检测特征空间、以及和预设的心境状态评定特征空间；

其中，分析模块具体用于：

根据所述预设压力等级评定特征空间，对所述多个分时段的生理数据分别进行压力等级评定，得到压力等级评定后的所述多个分时段的生理数据，并根据预设压力评分方法对所述多个分时段的生理数据进行计算，得到所述多个分时段的生理数据的压力评分；

根据所述预设副交感神经强制调节状态检测特征空间，对所述多个分时段的生理数据进行副交感神经强制调节检测，得到所述多个分时段的生理数据的副交感神经强制调节时间分布和频率；

根据所述预设心境状态评定特征空间，对所述多个分时段的生理数据的压力评分和副交感神经强制调节时间分布和频率进行分析和比较，以确定所述目标个体的心境状态。

11.一种计算机可读存储介质，其特征在于，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如权利要求1至9任一所述的方法。