1.一种自适应运动节奏学习的视频动作识别方法，其特征在于，包括：对教学视频的动作进行分解，得到教学视频数据集；所述教学视频数据集包括教学子视频和休息时间；对所述教学子视频进行动作识别和标记，得到动作标记数据集；

收集运动人员的个人信息，并进行存储；

在所述教学子视频开始播放时，通过拍摄装置拍摄得到搜索图像集；根据所述搜索图像集和所述个人信息识别确定所述运动人员的位置；

对所述运动人员的动作进行跟踪拍摄，获取教学子视频开始到结束的时间段内所述运动人员的运动视频，得到练习子视频；

通过所述教学子视频的动作标记数据集对所述练习子视频进行识别，得到所述运动人员的动作完成系数、动作标准系数和动作流畅系数；根据所述动作完成系数、所述动作标准系数和所述动作流畅系数计算得到动作识别系数；根据所述动作识别系数对下一个教学子视频的视频播放速度进行调整，得到修正播放速度；

所述修正播放速度的计算公式为：

Ai＝α1*exp(acti‑1)+α2*stai+α3*flui；

其中，Ai表示第i个练习子视频的动作识别系数；α1表示第一权重；acti表示第i个练习子视频的动作完成系数；α2表示第二权重；stai表示第i个练习子视频的动作标准系数；α3表示第三权重；flui表示第i个练习子视频的动作流畅系数；Playi+1表示第i+1个教学子视频的修正播放速度；Pmax表示教学子视频的播放速度上限；Pmin表示教学子视频的播放速度下限；PH表示动作识别系数阈值；exp表示以自然常数为底的指数函数；

对所述练习子视频中的所述运动人员进行数据收集，得到运动数据集；通过所述运动数据集和所述个人信息计算得到疲劳系数；根据所述运动人员的疲劳系数对休息时间进行调整，得到修正休息时间。

2.根据权利要求1所述的一种自适应运动节奏学习的视频动作识别方法，其特征在于：所述个人信息包括运动人员的性别、年龄、身高、体重、既往病史和面部图像；所述运动数据集包括运动视频内运动人员的心率、呼吸频率数据和视频截图。

3.根据权利要求1所述的一种自适应运动节奏学习的视频动作识别方法，其特征在于：所述动作完成系数、动作标准系数和动作流畅系数的获取步骤为：

获取教学子视频，对所述教学子视频内的动作进行识别确定标志动作；根据所述标志动作获得动作标记数据集，所述动作标记数据集包括教学标记图像和教学标记时间点；

获取与所述教学子视频对应的练习子视频；对所述练习子视频进行逐帧分割，得到练习图像集；按照时间顺序遍历所述练习图像集，获得练习图像和第一教学标记图像的动作相似度；当所述动作相似度大于阈值时，判定该练习图像为第一练习标记图像，所处的时间点记为第一练习标记时间点；

对所述练习图像集进行更新，删去所述第一练习标记时间点以及第一练习标记时间点之前的运动图像，得到第二练习图像集；根据第二教学标记图像对所述第二练习图像集进行遍历，识别得到第二练习标记图像，并更新得到第三练习图像集；

通过上述方法进行遍历识和练习图像集的更新，当所述练习图像的动作相似度均小于阈值或者所述教学标记图像全部识别完毕时终止识别，并获得最后识别得到的练习标记图像和练习标记时间点；

根据最后识别得到的练习标记时间点和所述教学子视频总时间，获得动作完成系数；

所述动作完成度系数的计算公式为：

其中，acti表示第i个教学子视频的动作完成系数；tj为最后识别得到的所述练习标记时间点得到对应的教学标记时间点；Ti第i个教学子视频总时间；

根据所述教学标记图像和所述练习标记图像的动作相似度，识别得到动作标准系数；

其中，stai表示第i个教学子视频的动作标准系数；sim()表示动作相似度识别模型；Mvc表示第c个教学标记图像；Fvc表示第c个练习标记图像；j表示练习标记图像的总数；

通过所述教学标记时间点和所述练习标记时间点，识别得到动作流畅系数；

其中，flui表示第i个教学子视频的动作流畅系数；td表示第d个教学标记图像所处的教o学标记时间点；td表示第d个练习标记图像所处的练习标记时间点。

4.根据权利要求1所述的一种自适应运动节奏学习的视频动作识别方法，其特征在于：所述疲劳系数的测算流程为：

获取所述运动人员的个人信息；根据所述运动人员的个人信息设置运动阈值；根据所述运动数据和所述运动阈值计算得到运动人员的疲劳系数；

其中，Ftgi表示第i个练习子视频的疲劳系数；breathei表示第i个练习子视频的呼吸异常系数；sweati表示脱水预测量；ST表示脱水量阈值；hearti表示最大心率；HT表示心率阈值。

5.根据权利要求1所述的一种自适应运动节奏学习的视频动作识别方法，其特征在于：根据所述运动人员的疲劳系数对休息时间进行调整，得到修正休息时间；

Resti＝Rei*ln(e+Ftgi)；

其中，Resti表示第i个修正休息时间；Rei第i个休息时间；Ftgi表示第i个练习子视频的疲劳系数；e表示自然常数；ln表示以自然常数为底的对数函数。

6.一种自适应运动节奏学习的视频动作识别系统，其特征在于，包括：教学视频分解模块，对教学视频的动作进行分解，得到教学视频数据集；所述教学视频数据集包括教学子视频和休息时间；对所述教学子视频进行动作识别和标记，得到动作标记数据集；

运动人员定位模块，收集运动人员的个人信息，并进行存储；在所述教学子视频开始播放时，通过拍摄装置拍摄得到搜索图像集；根据所述搜索图像集和所述个人信息识别确定所述运动人员的位置；

运动视频获取模块，对所述运动人员的动作进行跟踪拍摄，获取教学子视频开始到结束的时间段内所述运动人员的运动视频，得到练习子视频；

播放速度调整模块，通过所述教学子视频的动作标记数据集对所述练习子视频进行识别，得到所述运动人员的动作完成系数、动作标准系数和动作流畅系数；根据所述动作完成系数、所述动作标准系数和所述动作流畅系数计算得到动作识别系数；根据所述动作识别系数对下一个教学子视频的视频播放速度进行调整，得到修正播放速度；

所述修正播放速度的计算公式为：

Ai＝α1*exp(acti‑1)+α2*stai+α3*flui；

其中，Ai表示第i个练习子视频的动作识别系数；α1表示第一权重；acti表示第i个练习子视频的动作完成系数；α2表示第二权重；stai表示第i个练习子视频的动作标准系数；α3表示第三权重；flui表示第i个练习子视频的动作流畅系数；Playi+1表示第i+1个教学子视频的修正播放速度；Pmax表示教学子视频的播放速度上限；Pmin表示教学子视频的播放速度下限；PH表示动作识别系数阈值；exp表示以自然常数为底的指数函数；

休息时间调整模块，对所述练习子视频中的所述运动人员进行数据收集，得到运动数据集；通过所述运动数据集和所述个人信息计算得到疲劳系数；根据所述运动人员的疲劳系数对休息时间进行调整，得到修正休息时间。

7.根据权利要求6所述的一种自适应运动节奏学习的视频动作识别系统，其特征在于：所述疲劳系数的测算流程为：

获取所述运动人员的个人信息；根据所述运动人员的个人信息设置运动阈值；根据所述运动数据和所述运动阈值计算得到运动人员的疲劳系数；

其中，Ftgi表示第i个练习子视频的疲劳系数；breathei表示第i个练习子视频的呼吸异常系数；sweati表示脱水预测量；ST表示脱水量阈值；hearti表示最大心率；HT表示心率阈值。

8.根据权利要求6所述的一种自适应运动节奏学习的视频动作识别系统，其特征在于：根据所述运动人员的疲劳系数对休息时间进行调整，得到修正休息时间；

Resti＝Rei*ln(e+Ftgi)；

其中，Resti表示第i个修正休息时间；Rei第i个休息时间；Ftgi表示第i个练习子视频的疲劳系数；e表示自然常数；ln表示以自然常数为底的对数函数。