1.一种基于动作捕捉的运动监测方法，包括以下步骤：
将采集的运动视频按照时序分解形成动作编号的图像帧，并基于人体运动捕捉模型提取所述图像帧中的骨骼点数据；
根据所述骨骼点数据拟合人体骨骼姿势，生成人体骨骼姿势数据并在三维空间中呈现出对应的三维人体骨骼模型；
其特征在于，还包括以下步骤：
将所述图像帧中当前图像帧及相邻图像帧的骨骼点数据输入动作趋势模型，根据骨骼点数据的移动轨迹方向确定人体骨骼姿势的运动趋势；
将当前图像帧的人体骨骼姿势以及运动趋势与预存的标准动作图库进行比对，确定当前图像帧的动作姿势并计算出异常运动数据，将异常运动数据通过三维人体骨骼模型显示；
将当前图像帧的人体骨骼姿势以及运动趋势与预存的标准动作图库进行比对时，根据当前图像帧的人体骨骼姿势进行相似度筛选，获取初步标准动作图像；
基于相邻图像帧以及运动趋势，从初步标准动作图像中确定目标对象运动的当前图像帧对应的标准动作图像；
根据当前图像帧中人体骨骼姿势的骨骼点之间的倾斜角度进行比对，当与标准动作图像的倾斜角度差值超过预设阈值是判定为异常；
其中，基于动作捕捉的运动监测方法，还包括基于异常运动数据对运动监测动作修正，基于异常运动数据对运动监测动作修正的方法，包括以下步骤：
基于确定的当前图像帧的动作姿势进行关键点选取，确定标准动作图库中相同动作姿的标准骨骼模型的基准点；
调整当前图像帧对应的三维人体骨骼模型的关键点位置，通过移动当前图像帧对应的三维人体骨骼模型的关键点位置至与标准骨骼模型的基准点重合；
计算所述三维人体骨骼模型与标准骨骼模型的倾斜角度误差并进行运动方向提示；
实时采集运动目标修正后的运动图像，将修正后的三维人体骨骼模型与标准骨骼模型对比，无误后完成对当前图像帧运动监测及修正。
2.如权利要求1所述的基于动作捕捉的运动监测方法，其特征在于，将采集的运动视频按照时序分解形成动作编号的图像帧时，还包括：
获取至少一个包含目标对象的视频数据，并通过分帧处理获得所述视频数据的图像集；
基于面部识别算法对所述图像集上定位的目标对象检测，使用人脸嵌入进行特征提取，筛选出包含目标对象人脸特征的图像帧。
3.如权利要求2所述的基于动作捕捉的运动监测方法，其特征在于，使用人脸嵌入进行特征提取时，包括：对获取的目标对象的面部图像进行人脸局部区域特征提取，根据提取的样本训练得到变换矩阵，将人脸图像向量映射为目标对象的人脸特征向量；采用分类器对每个人脸特征向量进行分类，得到特征提取结果。
4.如权利要求1所述的基于动作捕捉的运动监测方法，其特征在于，基于人体运动捕捉模型提取所述图像帧中的骨骼点数据时，包括：
基于AlphaPose检测所述图像帧中的人体图像特征，并根据所述人体图像特征识别人体每个骨骼点及坐标数据；
根据每个骨骼点的坐标数据确定肢体候选位置，并将肢体候选位置的骨骼点拟合连接形成人体骨骼姿势。
5.如权利要求4所述的基于动作捕捉的运动监测方法，其特征在于，根据骨骼点数据的移动轨迹方向确定人体骨骼姿势的运动趋势，包括以下步骤：
从图像帧中使用AlphaPose算法识别人体图像并采用矩形框捕捉目标对象活动区域；
在所述目标对象活动区域中根据坐标数据确定骨骼点位置，将每个骨骼点在当前图像帧及相邻图像帧中的位置按照移动轨迹方向进行拟合，确定目标对象对应的人体骨骼姿势的动作趋势。
6.一种基于动作捕捉的运动监测装置，其特征在于，所述基于动作捕捉的运动监测装置采用权利要求1‑5中任意一项所述基于动作捕捉的运动监测方法监测目标对象的运动状态；所述基于动作捕捉的运动监测装置包括：
骨骼点提取模块，用于将采集的运动视频按照时序分解形成动作编号的图像帧，并基于人体运动捕捉模型提取所述图像帧中的骨骼点数据；
骨骼模型拟合模块，用于根据所述骨骼点数据拟合人体骨骼姿势，生成人体骨骼姿势数据并在三维空间中呈现出对应的三维人体骨骼模型；
运动趋势确定模块，用于将所述图像帧中当前图像帧及相邻图像帧的骨骼点数据输入动作趋势模型，根据骨骼点数据的移动轨迹方向确定人体骨骼姿势的运动趋势；
异常运动监测模块，用于将当前图像帧的人体骨骼姿势以及运动趋势与预存的标准动作图库进行比对，确定当前图像帧的动作姿势并计算出异常运动数据，将异常运动数据通过三维人体骨骼模型显示。
7.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器加载并执行所述计算机程序时实现权利要求1‑5中任一项所述的基于动作捕捉的运动监测方法的步骤。
8.一种可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器加载并执行时实现权利要求1‑5中任一项所述的基于动作捕捉的运动监测方法的步骤。