1.一种基于动作捕捉技术的数字人驱动方法，其特征在于，该方法包括以下步骤：
获取连续采集数字人体图像，得到每帧人体节点模型图像的关节点和肢体连线；
对人体节点模型进行修正处理，完成基于动作捕捉技术的数字人驱动，具体步骤包括：
（1）根据相邻两帧图像中对应节点的肢体连线之间的长度变化差异计算每帧图像各个肢体连线的人体肢体连线垂直旋转强度；
（2）基于每帧图像中各节点的位置坐标，构建每帧图像各个节点的人体关节相对运动向量和绝对运动向量，计算每帧图像各个节点的帧间相对运动变异度、帧间绝对运动变异度和每帧图像的帧内绝对运动变异度；
（3）将每帧图像各个节点与旋转基础节点之间的肢体连线记为各个节点的肢体连线，根据相邻两帧图像的对应节点的人体肢体连线垂直旋转强度之间的差异和每帧图像对应节点的帧间相对运动变异度分布关系计算每帧图像各个节点的关节点姿态运动后验权重；
（4）基于每帧图像各个节点的帧间绝对运动变异度和每帧图像的帧内绝对运动变异度的分布关系计算每帧图像各节点的人体整体运动后验权重；
（5）根据相邻两帧图像各个节点的人体关节相对运动向量的关节点姿态运动后验权重分配差异和绝对运动向量的人体整体运动后验权重分配差异计算每帧图像各个节点的人体关节点预测运动向量；
（6）根据每帧图像与窗口内所有图像的对应节点的肢体连线中点到其它节点对应的肢体连线中点的欧式距离的和之间的比值关系，计算每帧图像各个节点的人体模型关节点修正位置卡尔曼增益；
（7）根据每帧图像各节点的关节点姿态运动预测运动向量以及每帧图像各个节点的实际测量位置坐标向量与其前一帧图像对应节点的人体模型关节点修正位置差值，计算每帧图像各个节点的人体模型关节点修正位置；完成对数字人三维模型的驱动。
2.如权利要求1所述的一种基于动作捕捉技术的数字人驱动方法，其特征在于，所述每帧图像各个肢体连线的人体肢体连线垂直旋转强度的确定方法为：
选取每帧图像的前G帧图像组成每帧图像的窗口；
以每帧图像的窗口内的相邻两帧图像按照时间先后顺序分为参考帧和当前帧图像，计算当前帧与参考帧图像中对应的各肢体连线的长度差值的绝对值记为肢体连线长度差异；
计算当前帧与参考帧图像中对应的各肢体连线长度的均值记为相对长度均值；
计算所述肢体连线长度差异与所述相对长度均值之间的比值获得窗口内每帧图像各个肢体连线的长度变异率；
根据窗口内的所有图像计算每帧图像各个肢体连线的人体肢体连线垂直旋转强度：
，其中， 是第n帧图像中的第k个
肢体连线的人体肢体连线垂直旋转强度， 是第n帧图像的窗口内的第r帧图像第k个肢体连线的长度变异率， 是第n帧图像的窗口内的第r帧图像的K个肢体连线的长度变异率均值，K表示每帧图像中所有的肢体连线数量，G是先验图像数量，n是图像的帧数序号。
3.如权利要求1所述的一种基于动作捕捉技术的数字人驱动方法，其特征在于，所述每帧图像各个节点的帧间相对运动变异度、帧间绝对运动变异度和每帧图像的帧内绝对运动变异度的确定方法为：
构建每帧图像各个节点的人体关节相对运动向量和绝对运动向量；
基于每帧图像各个节点的人体关节相对运动向量，获得当前帧图像窗口内的所有图像中各个节点到当前帧图像的对应节点的人体关节相对运动向量，针对人体关节相对运动向量计算每个维度的标准差并对两个维度进行求和作为每帧图像各个节点的帧间相对运动变异度；
基于每帧图像各个节点的绝对运动向量，采用帧间相对运动变异度相同的计算方法，得到所述各个节点的帧间绝对运动变异度；
计算每帧图像中所有节点的绝对运动向量，针对绝对运动向量计算每个维度的标准差并对两个维度进行求和确定为每帧图像的帧内绝对运动变异度。
4.如权利要求3所述的一种基于动作捕捉技术的数字人驱动方法，其特征在于，所述每帧图像各个节点的人体关节相对运动向量和绝对运动向量的构建方法为：
选择中心节点，对所有节点到达中心节点进行溯源，获取每个节点的旋转基础节点；
根据旋转基础节点与各个节点的位置向量，获得每帧图像各个节点的人体关节相对位置向量；
将相邻两帧图像各个节点的人体关节相对位置向量的差值确定为每帧图像各个节点的人体关节相对运动向量；
基于每帧图像各个节点相对坐标原点的位置坐标向量，获得每帧图像各个节点的位移向量；
计算每帧图像各个节点的位移向量与对应节点的人体关节相对运动向量之间的向量差值确定为每帧图像各个节点的绝对运动向量。
5.如权利要求1所述的一种基于动作捕捉技术的数字人驱动方法，其特征在于，所述每帧图像各个节点的关节点姿态运动后验权重和人体整体运动后验权重的确定方法为：
将每帧图像各个节点与旋转基础节点之间的肢体连线记为各个节点的肢体连线，得到每帧图像各个节点的人体肢体连线垂直旋转强度；
计算每帧图像各个节点的人体肢体连线垂直旋转强度与前一帧图像对应节点的人体肢体连线垂直旋转强度之间的比值，记为第一比值；
计算每帧图像各个节点的帧间相对运动变异度与对应节点的第一比值的乘积，记为第一乘积；
其中，每帧图像各个节点的关节点姿态运动后验权重与所述第一乘积呈负相关关系；
计算每帧图像各个节点的帧间绝对运动变异度与每帧图像帧内绝对运动变异度之间的乘积，记为第二乘积；
其中，每帧图像各个节点的人体整体运动后验权重与所述第二乘积呈负相关关系。
6.如权利要求1所述的一种基于动作捕捉技术的数字人驱动方法，其特征在于，所述每帧图像各个节点的人体关节点预测运动向量的计算方法为：
根据每帧图像与其相邻前一帧图像中各个节点的人体关节相对运动向量与对应的关节点姿态运动后验权重计算每帧图像各个节点的关节点姿态运动预测运动向量；
根据每帧图像与其相邻前一帧图像中各个节点的绝对运动向量与对应的人体整体运动后验权重计算每帧图像各个节点的人体整体运动预测运动向量；
所述关节点姿态运动预测运动向量和所述人体整体运动预测运动向量分别与每帧图像各个节点的人体关节点预测运动向量呈正相关关系。
7.如权利要求1所述的一种基于动作捕捉技术的数字人驱动方法，其特征在于，所述每帧图像各个节点的人体模型关节点修正位置卡尔曼增益，计算公式为：
，其中，βfm,n是第n帧图像第m个节点的
人体模型关节点修正位置卡尔曼增益，tanh[.]是对括号中的数值取双曲正切函数，G是先验图像数量，M是人体节点数量，δ(m,h)n是第n帧图像第m个节点对应的肢体连线中点到第h个节点对应的肢体连线中点的欧式距离，δ(m,h)r是第n帧图像窗口内的第r帧图像第m个节点对应的肢体连线中点到第h个节点对应的肢体连线中点的欧式距离。
8.如权利要求7所述的一种基于动作捕捉技术的数字人驱动方法，其特征在于，所述计算每帧图像各个节点的人体模型关节点修正位置，具体包括：
根据关节点姿态运动预测运动向量及人体模型关节点修正位置卡尔曼增益计算修正人体关节点运动向量，表达式为： ，
其中， 是第n帧图像第m个节点的修正人体关节点运动向量， 是第n‑1帧图像第m个节点的关节点姿态运动预测运动向量，βfm,n是第n帧图像第m个节点的人体模型关节点修正位置卡尔曼增益， 是第n帧图像第m个节点的实际测量位置坐标向量，是第n‑1帧图像第m个节点的人体模型关节点修正位置；
基于所述修正人体关节点运动向量确定每帧图像各个节点的人体模型关节点修正位置。
9.如权利要求8所述的一种基于动作捕捉技术的数字人驱动方法，其特征在于，所述计算每帧图像各个节点的人体模型关节点修正位置计算公式为： ，其
中， 是第n帧图像第m个节点的人体模型关节点修正位置。
10.一种基于动作捕捉技术的数字人驱动系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1‑9任意一项所述方法的步骤。