1.一种用于飞屏互动的手势识别方法，其特征在于，包括如下：获取用户手势的视频数据；采用背景减除算法对视频数据进行处理，获得视频数据中的前景区域；采用人体姿态估计对视频数据中的前景区域进行提取，获得各人体的手部关键点集合；根据各人体的手部关键点集合，采用正向运动学构建手部骨架模型；利用手部骨架模型模拟手部的运动，提取各人体的手势区域和实际空间位置；根据各人体的手势区域和实际空间位置，通过距离度量结合碰撞检测判断不同用户的手势是否发生空间重叠及交叉，具体包括：根据各人体的手势区域和实际空间位置计算各人体手势之间的中心点距离；判断中心点距离是否小于重叠阈值；当中心点距离小于重叠阈值，则判断两个手势区域存在初步重叠，反之则不存在初步重叠；当两个手势区域存在初步重叠时，采用轴对齐包围盒碰撞检测算法，根据空间重叠条件判断两个边界框是否存在交集；若存在交集，则判定两个手势区域发生空间重叠；若不存在交集，则判定两个手势区域未发生空间重叠；当两个手势区域发生空间重叠时，则计算两个手势区域的交集体积，判断交集体积是否大于0；若交集体积大于0，则判定两个手势区域发生空间交叉，反之则认为不存在空间交叉；根据判断结果触发互动反馈。
2.如权利要求1所述的一种用于飞屏互动的手势识别方法，其特征在于，采用背景减除算法对视频数据进行处理，获得视频数据中的前景区域，具体包括：初始化高斯混合模型参数；所述高斯混合模型参数包括：高斯分布数量、学习率及前景判定阈值；根据初始化后的高斯混合模型参数构建高斯混合模型；提取视频数据中的含有人像的多个视频帧，各所述视频帧中包含多个像素点；利用高斯混合模型建立各像素点对应的背景模型；背景模型包括至少一个高斯分布；基于各像素点对应的背景模型内各高斯分布计算各像素点对应的总匹配度，并根据总匹配度判断当前像素点是前景区域还是背景区域；若当前像素点被认为是前景区域，则更新背景模型，以适应当前场景变化；若当前像素点被认为是背景，则不更新背景模型，仍然使用当前背景模型；将各视频帧中前景区域内的像素点标记为1，将各视频帧中背景区域内的像素点标记为0，生成各视频帧的前景掩码图；将各视频帧中的前景掩码图合并，追踪和提取出视频数据中的前景区域。
3.如权利要求1所述的一种用于飞屏互动的手势识别方法，其特征在于，采用人体姿态估计对视频数据中的前景区域进行提取，获得各人体的手部关键点集合，具体包括：采用人体姿态估计模型对视频数据中的前景区域进行识别，获取视频数据中与人体相关的多个肢体关键点；多个肢体关键点包括头部、躯干、四肢及手部；根据每个人体对应的手部在关键点序列中的固定索引，输出与手部相关的关键点信息；手部相关的关键点信息包括手腕和手指关节位置的二维坐标；根据每个人体对应的手部相关的关键点信息生成各人体对应的手部关键点的集合，所述集合包括手部各关键点二维坐标数据。
4.如权利要求1所述的一种用于飞屏互动的手势识别方法，其特征在于，根据各人体的手部关键点集合，采用正向运动学构建手部骨架模型，具体包括：根据各人体的手部关键点集合定义关节节点和关节之间的连接关系，并计算各关节之间的空间变换关系；根据各关节之间的空间变换关系，构建手部骨架模型，手部骨架模型包括所有关节的三维位置和相对运动关系。
5.如权利要求1所述的一种用于飞屏互动的手势识别方法，其特征在于，利用手部骨架模型模拟手部的运动，提取各人体的手势区域和实际空间位置，具体包括：基于手部骨架模型内所有关键的三维位置构建三维边界框；在三维边界框内，基于手部骨架模型内的相对运动关系计算获得手势区域；基于视频数据中的连续帧，追踪每个人体对应的手部骨架模型的变化，计算各个人体对应的各关节在三维空间中的运动轨迹；根据各个人体对应的各关节在三维空间中的运动轨迹提取各个人体手部在空间中的实际位置。
6.如权利要求1所述的一种用于飞屏互动的手势识别方法，其特征在于，根据判断结果触发互动反馈，具体包括：当手势无空间重叠时，中心点距离大于判断阈值，或边界框无交集，当手势区域之间不存在空间重叠时，每个手势区域被认为具有独立性，则独立处理每个手势的指令，不考虑用户之间的干扰，反之，则具体判断手势当前状态并触发反馈。
7.一种用于飞屏互动的手势识别系统，其特征在于，包括以下模块：数据获取模块，用于获取用户手势的视频数据；背景减除模块，用于采用背景减除算法对视频数据进行处理，获得视频数据中的前景区域；数据提取模块，用于采用人体姿态估计对视频数据中的前景区域进行提取，获得各人体的手部关键点集合；手部建模模块，用于根据各人体的手部关键点集合，采用正向运动学构建手部骨架模型；模拟识别模块，用于利用手部骨架模型模拟手部的运动，提取各人体的手势区域和实际空间位置；综合判定模块，用于根据各人体的手势区域和实际空间位置，通过距离度量结合碰撞检测判断不同用户的手势是否发生空间重叠及交叉，具体包括：中心点计算单元，用于根据各人体的手势区域和实际空间位置计算各人体手势之间的中心点距离；初步判别单元，用于判断中心点距离是否小于重叠阈值；当中心点距离小于重叠阈值，则判断两个手势区域存在初步重叠，反之则不存在初步重叠；碰撞检测单元，用于当两个手势区域存在初步重叠时，采用轴对齐包围盒碰撞检测算法，根据空间重叠条件判断两个边界框是否存在交集；若存在交集，则判定两个手势区域发生空间重叠；若不存在交集，则判定两个手势区域未发生空间重叠；交叉确认单元，用于当两个手势区域发生空间重叠时，则计算两个手势区域的交集体积，判断交集体积是否大于0；若交集体积大于0，则判定两个手势区域发生空间交叉，反之则认为不存在空间交叉；反馈模块，用于根据判断结果触发互动反馈。
8.根据权利要求7所述的一种用于飞屏互动的手势识别系统，其特征在于，背景减除模块具体包括：初始化单元，用于初始化高斯混合模型参数；所述高斯混合模型参数包括：高斯分布数量、学习率及前景判定阈值；高斯混合模型构建单元，用于根据初始化后的高斯混合模型参数构建高斯混合模型；多个视频帧提取单元，用于提取视频数据中的含有人像的多个视频帧，各所述视频帧中包含多个像素点；背景模型构建单元，用于利用高斯混合模型建立各像素点对应的背景模型；背景模型包括至少一个高斯分布；判断单元，用于基于各像素点对应的背景模型内各高斯分布计算各像素点对应的总匹配度，并根据总匹配度判断当前像素点是前景区域还是背景区域；背景模型更新单元，用于若当前像素点被认为是前景区域，则更新背景模型，以适应当前场景变化；若当前像素点被认为是背景，则不更新背景模型，仍然使用当前背景模型；前景掩码图生成单元，用于将各视频帧中前景区域内的像素点标记为1，将各视频帧中背景区域内的像素点标记为0，生成各视频帧的前景掩码图；前景掩码图合并单元，用于将各视频帧中的前景掩码图合并，追踪和提取出视频数据中的前景区域。
9.根据权利要求7所述的一种用于飞屏互动的手势识别系统，其特征在于，数据提取模块具体包括：肢体关键点识别单元，用于采用人体姿态估计模型对视频数据中的前景区域进行识别，获取视频数据中与人体相关的多个肢体关键点；多个肢体关键点包括头部、躯干、四肢及手部；关键点信息确定单元，用于根据每个人体对应的手部在关键点序列中的固定索引，输出与手部相关的关键点信息；手部相关的关键点信息包括手腕和手指关节位置的二维坐标；手部关键点集合生成单元，用于根据每个人体对应的手部相关的关键点信息生成各人体对应的手部关键点的集合，所述集合包括手部各关键点二维坐标数据。
