1.一种基于动作捕捉的儿童跌倒智能监控方法，其特征在于：包括，采集儿童活动视频并进行姿态估计，形成连续活动帧序列；将连续活动帧序列进行双通道并行处理，获取骨骼运动特征和躯干运动特征；

对骨骼运动特征进行频谱分析和瞬时速度计算，获取下肢骨骼点速度，同步对躯干运动特征进行稠密光流计算，生成躯干光流速度；

将躯干光流速度与下肢骨骼点速度输入时空行为分析模型，空间卷积层进行方向差异量化和肢体协调性评估，时间卷积层执行连续状态追踪和变化趋势解析，输出儿童跌倒风险值；

根据儿童跌倒风险值，对儿童的活动状态进行实时姿态追踪和周围环境扫描，并采集运动轨迹数据；基于运动轨迹数据进行危急分级响应，输出智能防护方案。

2.如权利要求1所述的基于动作捕捉的儿童跌倒智能监控方法，其特征在于：所述形成连续活动帧序列，指的是提取儿童活动视频的图像帧，并进行姿态估计和时序对齐，形成连续活动帧序列。

3.如权利要求2所述的基于动作捕捉的儿童跌倒智能监控方法，其特征在于：所述获取骨骼运动特征和躯干运动特征，具体包括如下步骤，对连续活动帧序列进行运动矢量解析，获取骨骼关节位移参数和躯干区域运动参数；

在第一通道中，使用最小二乘法将骨骼关节位移参数进行平滑轨迹拟合，形成骨骼运动曲线；提取骨骼运动曲线的曲率极值点并进行动态时间规整，生成骨骼运动特征；

在第二通道中，对躯干区域运动参数进行能量累积积分，生成躯干运动能量分布，并对躯干运动能量分布进行小波变换与低通滤波，获取躯干运动特征。

4.如权利要求1所述的基于动作捕捉的儿童跌倒智能监控方法，其特征在于：所述获取下肢骨骼点速度，具体包括如下步骤，应用快速傅里叶变换对骨骼运动特征进行频谱分析，生成频域运动特征，并进行逆变换重构，获取时域运动向量；

通过中心差分公式对时域运动向量进行瞬时速度计算，获取下肢骨骼点速度。

5.如权利要求4所述的基于动作捕捉的儿童跌倒智能监控方法，其特征在于：所述生成躯干光流速度，指的是通过Farneback算法对躯干运动特征进行幅值归一化和稠密光流计算，生成躯干光流速度。

6.如权利要求1所述的基于动作捕捉的儿童跌倒智能监控方法，其特征在于：所述时空行为分析模型的具体构建过程如下，通过图卷积网络搭建空间卷积层，并使用时序卷积网络搭建时间卷积层；

应用注意力机制对空间卷积层和时间卷积层进行跨层特征融合和残差堆叠，构建时空行为分析模型。

7.如权利要求6所述的基于动作捕捉的儿童跌倒智能监控方法，其特征在于：所述空间卷积层进行方向差异量化和肢体协调性评估，具体包括如下步骤，将躯干光流速度与下肢骨骼点速度执行维度压缩，并输入时空行为分析模型；

空间卷积层通过图卷积网络对躯干光流速度与下肢骨骼点速度进行方向差异量化，形成运动方向差异矩阵，并对运动方向差异矩阵进行肢体协调性评估，生成空间失衡向量。

8.如权利要求1所述的基于动作捕捉的儿童跌倒智能监控方法，其特征在于：所述时间卷积层执行连续状态追踪和变化趋势解析，具体包括如下步骤，时间卷积层通过膨胀因果卷积对躯干光流速度与下肢骨骼点速度进行连续状态追踪，生成时空特征序列；

对时空特征序列进行时序依赖建模和变化趋势解析，形成时间演化向量。

9.如权利要求8所述的基于动作捕捉的儿童跌倒智能监控方法，其特征在于：所述输出儿童跌倒风险值，指的是对空间失衡向量和时间演化向量进行特征加权融合，并应用Sigmoid函数进行概率归一化，输出儿童跌倒风险值。

10.如权利要求1所述的基于动作捕捉的儿童跌倒智能监控方法，其特征在于：所述输出智能防护方案，具体包括如下步骤，对儿童跌倒风险值进行决策参数匹配，获取活动监控策略；

根据活动监控策略，通过深度摄像头和激光雷达对儿童的活动状态进行实时姿态追踪和周围环境扫描，同步使用惯性测量仪器采集运动轨迹数据；

基于预设的三级阈值，对运动轨迹数据进行危急分级响应，输出智能防护方案。