1.一种人体姿态数据库图像检索方法，其特征在于，所述方法包含：

步骤S1：将图像分割人体区域、非人体区域和模糊区域这三种类型；其中：模糊区域是介于人体区域和非人体区域之间的区域；

步骤S2：进行人体特征提取并进行关键点定位；

步骤S3：基于关键点置信度将关键点分为多个等级；

步骤S4：基于关键点检索人体姿态数据库以确定姿态样本池；基于关键点之间的位置关系采用双向夹逼的方式从姿态样本池中确定目标姿态样本；

所述步骤S4具体包括如下步骤：

步骤S41：以所述特定位置为中心点，将包含人体区域和模糊区域的分割结果划分为N个子区域；确定落入每个子区域中的关键点，并构建当前N元标识(clsn)，clsn＝(pnm)，其中：pnm为关键点类型或者关键点在图像/分割结果中的位置；元素clsn是Mn元集合，包含位于第n子区域中的Mn个关键点；m是clsn中的元素编号；m＝1～Mn；Mn是clsn的元素数量；

步骤S42：基于所述当前N元标识使用关键点类型及其分布的子区域检索人体姿态数据库以得到姿态样本池；具体为：将人体姿态数据库中N元标识的元素个数等于当前N元标识中元素个数，且标识中每个元素内包含的关键点类型相同的姿态样本放入姿态样本池中；

步骤S43：从姿态样本池中确定目标姿态样本；具体为：选择等级最高的关键点构成左侧关键点集合初始值；设置右侧关键点集合的初始值等于所有关键点构成的关键点集合；

分别从左侧关键点集合、右侧关键点集合出发检索姿态样本池，进行双向夹逼直到检索结果满足收敛条件，并得到目标姿态样本；将目标姿态样本的姿态作为检索结果；

所述步骤S43具体包括如下步骤：

步骤S431：确定左侧关键点集合中每个关键点所落入的子区域，子区域n中所落入的关键点构成第nl左侧关键点集合clsnl；构建其标识(clsnl)；

步骤S432：基于每个第nl左侧关键点集合clsnl中每个元素E1和任意两个其它左侧关键点集合中元素E2、E3的位置关系从姿态样本池中筛选出满足条件的姿态样本，并将其放入左侧待选姿态样本集合中；所述条件为姿态样本的中存在和所述E1，E2,E3位置关系相同的元素；

步骤S433：基于右侧关键点集合中的所有关键点类型及其在图像中的位置检索姿势样本池，若存在所有关键点类型及其位置均匹配的姿势样本，则将其放入右侧待选姿态样本集合；

步骤S434：若左侧待选姿态样本集合中的姿态样本和右侧待选姿样本集合存在交集，则将交集中的姿态样本作为目标姿态样本；

步骤S435：更新左侧关键点集合和右侧关键点集合；若左侧关键点集合和右侧关键点集合均无法更新或左侧关键点集合和右侧关键点集合相同，则进入下一步骤；否则，返回步骤S431；

步骤S44：将目标姿态样本的姿态作为检索结果。

2.根据权利要求1所述的人体姿态数据库图像检索方法，其特征在于，使用人工智能模型对图像进行基于三分类的分割。

3.根据权利要求2所述的人体姿态数据库图像检索方法，其特征在于，采用基于语义分割的深度神经网络，从卷积层的抽象特征中恢复出每个像素所属的类别。

4.根据权利要求3所述的人体姿态数据库图像检索方法，其特征在于，所述人体图像来源于视频监控、专业动作捕捉设备或静态图片。

5.根据权利要求4所述的人体姿态数据库图像检索方法，其特征在于，在执行步骤S1之前，对人体图像进行预处理。

6.根据权利要求5所述的人体姿态数据库图像检索方法，其特征在于，对分割结果进行形态学操作。

7.根据权利要求6所述的人体姿态数据库图像检索方法，其特征在于，所述形态学操作包括去除小物体和/或填充孔洞。

8.一种人体姿态数据库图像检索服务器，其特征在于，包括处理器，所述处理器和存储器耦合，所述存储器存储有程序指令，当所述存储器存储的程序指令被所述处理器执行时实现权利要求1‑5中任一项所述的人体姿态数据库图像检索方法。

9.一种人体姿态数据库图像检索系统，其特征在于，所述系统用于实现权利要求1‑5中任一项所述的人体姿态数据库图像检索方法。

10.一种计算机可读存储介质，其特征在于，包括程序，当其在计算机上运行时，使得计算机执行权利要求1‑5中任一项所述的人体姿态数据库图像检索方法。