1.一种基于虚拟现实技术的健身优化训练方法，其特征在于，该方法包括以下步骤：S1、利用摄像设备获取健身用户的运动数据，并从中提取健身用户的动作特征；

S2、利用心率监测设备获取健身用户的心率数据，并从中提取健身用户的心率特征；

S3、分析心率特征和动作特征的关联规则，识别健身用户在不同运动阶段下的心率变化模式；

S4、结合健身用户的个人信息及心率变化模式构建健身模型，并生成符合健身用户的健身训练方案；

S5、利用虚拟现实技术构建与健身训练方案相匹配的人机交互虚拟训练场景；

S6、在人机交互虚拟训练场景中实时监测健身用户的运动表现，并实时调整健身模型及健身训练方案。

2.根据权利要求1所述的一种基于虚拟现实技术的健身优化训练方法，其特征在于，所述利用摄像设备获取健身用户的运动数据，并从中提取健身用户的动作特征包括以下步骤：S11、利用摄像头采集健身用户的健身视频数据，并将其作为图像序列输入；

S12、将获取的健身视频数据进行解码，得到图像序列；

S13、计算图像序列中相邻帧之间的光流场，并利用光流估计算法对其进行处理，得到光流场信息；

S14、利用人体姿态估计模型对图像序列中的人体关键点进行识别和定位，获取健身用户在运动时的骨骼关键点信息；

S15、将光流场信息与骨骼关键点信息相融合，并从中提取健身用户的动作特征。

3.根据权利要求2所述的一种基于虚拟现实技术的健身优化训练方法，其特征在于，所述计算图像序列中相邻帧之间的光流场，并利用光流估计算法对其进行处理，得到光流场信息包括以下步骤：S131、将图像序列转换为灰度图像，采用shi‑Tomasi角点检测算法提取每个图像帧的强角点，并将其作为特征点集；

S132、利用亚像素角点检测算法将特征点位置精确到亚像素级精度；

S133、将特征点集作为初始参考点集，采用Lucas‑Kanade光流算法计算初始参考点集中每个特征点在图像中的移动方向和距离，得到光流信息；

S134、将得到的光流场信息进行分析，识别并追踪图像序列中的目标，并输出目标检测结果。

4.根据权利要求3所述的一种基于虚拟现实技术的健身优化训练方法，其特征在于，所述利用人体姿态估计模型对图像序列中的人体关键点进行识别和定位，获取健身用户在运动时的骨骼关键点信息包括以下步骤：S141、利用VGG‑19深度神经网络提取图像序列中的原始特征图，并将提取的特征图分成两个分支；

S142、在第一个分支中，利用卷积神经网络对特征图进行处理，预测出人体姿态的关键点，并生成热度图；

S143、在第二个分支中，利用另一个卷积神经网络对特征图进行处理，得到所有相连关键点的部分亲和域；

S144、基于关键点的部分亲和域，计算关键点间的总亲和度，得到最佳的关键点配对；

S145、根据关键点和关键点之间的连线，组成人体的骨架模型，获取并保存健身用户在运动时的骨骼关键点信息。

5.根据权利要求1所述的一种基于虚拟现实技术的健身优化训练方法，其特征在于，所述分析心率特征和动作特征的关联规则，识别健身用户在不同运动阶段下的心率变化模式包括以下步骤：S31、将动作特征和心率特征对齐，使得同一时间点的动作特征与心率特征相对应；

S32、利用时间序列分析模型分析动作特征与心率特征之间的关联性，并建立两者之间的映射关系；

S33、基于建立的映射关系，识别出健身用户在执行各动作特征的不同阶段中的心率变化模式；

其中，所述各动作特征的不同阶段包括动作开始阶段、高强度阶段和动作结束阶段；

S34、将识别出的心率变化模式应用于健身训练中，并根据心率变化评估健身动作的运动强度。

6.根据权利要求5所述的一种基于虚拟现实技术的健身优化训练方法，其特征在于，所述利用时间序列分析模型分析动作特征与心率特征之间的关联性，并建立两者之间的映射关系包括以下步骤：S321、对动作特征和心率特征分别进行单位根检验，判断其平稳性；

S322、分别对平稳后的动作特征和心率特征进行自相关和偏相关分析，并判断两者间的线性关联；

S323、根据自相关和偏相关函数的特征，选择相匹配的时间序列分析模型；

S324、对时间序列分析模型进行参数估计，并对时间序列分析模型的残差序列进行诊断，检验其是否为白噪声；

S325、若时间序列分析模型的残差序列符合白噪声的要求，则利用时间序列分析模型建立动作特征和心率特征之间的映射关系。

7.根据权利要求6所述的一种基于虚拟现实技术的健身优化训练方法，其特征在于，所述时间序列分析模型的表达式为：；

式中， 表示钟差数据系列，其中，i为非0自然数；

表示自回归系数；

表示滑移平均系数；

P、q均表示时间序列分析模型的阶数；

表示在时间点t处的白噪声误差项；

表示在时间点t‑1处的白噪声误差项；

表示在时间点t‑q处的白噪声误差项；

均表示在前一时刻的观测值；

表示在过去p个时刻的观测值。

8.根据权利要求1所述的一种基于虚拟现实技术的健身优化训练方法，其特征在于，所述利用虚拟现实技术构建与健身训练方案相匹配的人机交互虚拟训练场景包括以下步骤：S51、利用三维建模软件创建虚拟训练场景中的物体、环境及角色，并进行纹理和光照的渲染处理；

S52、利用动作捕捉技术记录健身用户的动作特征，并将其应用于虚拟训练场景中的角色；

S53、确定健身用户与虚拟训练场景的交互方式，并设计相应的交互界面和操作方式；

S54、基于虚拟现实开发平台，使用编程工具进将虚拟训练场景中各元素进行集成，得到完整的人机交互虚拟训练场景；

S55、对人机交互虚拟训练场景进行测试，收集健身用户的反馈并进行实时优化。

9.根据权利要求8所述的一种基于虚拟现实技术的健身优化训练方法，其特征在于，所述利用三维建模软件创建虚拟训练场景中的物体、环境及角色，并进行纹理和光照的渲染处理包括以下步骤：S511、基于健身训练方案，确定虚拟训练场景中所需要的物体、环境及角色；

S512、利用三维建模软件创建虚拟训练场景中的物体、环境及角色的基础几何体；

S513、利用编辑工具对各基础几何体进行细化和调整，使其符合与实际场景中相对应的形状；

S514、创建自定义纹理，将纹理应用到基础几何体表面；

S515、在健身训练场景中添加光源，并基于实际场景中的光照效果调整光源参数；

S516、选择渲染参数，并利用渲染引擎对虚拟训练场景进行渲染处理。

10.一种基于虚拟现实技术的健身优化训练系统，用于实现权利要求1‑9中任一项所述的基于虚拟现实技术的健身优化训练方法，其特征在于，该系统包括动作特征提取模块、心率特征提取模块、特征融合模块、健身方案生成模块、虚拟训练场景构建模块及健身方案优化模块；

所述动作特征提取模块与所述心率特征提取模块连接，所述心率特征提取模块与所述特征融合模块连接，所述特征融合模块与所述健身方案生成模块连接，所述健身方案生成模块与所述虚拟训练场景构建模块连接，所述虚拟训练场景构建模块与所述健身方案优化模块连接；

所述动作特征提取模块，用于利用摄像设备获取健身用户的运动数据，并从中提取健身用户的动作特征；

所述心率特征提取模块，用于利用心率监测设备获取健身用户的心率数据，并从中提取健身用户的心率特征；

所述特征融合模块，用于分析心率特征和动作特征的关联规则，识别健身用户在不同运动阶段下的心率变化模式；

所述健身方案生成模块，用于结合健身用户的个人信息及心率变化模式构建健身模型，并生成符合健身用户的健身训练方案；

所述虚拟训练场景构建模块，用于利用虚拟现实技术构建与健身训练方案相匹配的人机交互虚拟训练场景；

所述健身方案优化模块，用于在人机交互虚拟训练场景中实时监测健身用户的运动表现，并实时调整健身模型及健身训练方案。