1.一种基于计算机视觉动作捕捉的Unity数字人肢体驱动方法，其特征在于，包括以下步骤：
S1、首先进行数据获取，获取现实场景下的人物运动视频，并进行分部位标注；
S2、其次搭建动作捕捉模型：包含人体、头部、手部、脚部的检测模块和各个部位关键点解析模块；
S3、接着训练、测试动作捕捉模型，验证各个模块关键点识别的准确度；
S4、然后对关键点后处理，通过卡尔曼滤波对关键点坐标进行平滑处理，缓解抖动；
S5、最后将动作与Unity数字人肢体关联，实现对数字人的驱动。
2.根据权利要求1所述的一种基于计算机视觉动作捕捉的Unity数字人肢体驱动方法，其特征在于，所述步骤S1中对于分部标注的实现为：
S11、首先通过摄像机获取多份人在室内的运动视频，视频中包含人体各类运动姿态，将视频进行分帧处理，得到img数据；
S12、其次对img数据进行两类数据标注，一类是目标检测的标注为imgobject，一类是对于关键点的标注为imgkeys，数据格式定义为：img＝[imgobject,imgkeys]；
S13、对img数据使用labelme进行目标检测标注，包含人体检测、手部检测、头部检测、脚部检测，将数据格式定义为：imgobject＝[imgpath,xleft,yleft,xreight,yreight,classobject]，其中imgpath是图片路径，xleft,yleft为左上角点坐标，xreight,yreight为右下角点坐标，classobject为检测目标类别；
S14、对人体检测、手部检测、头部检测、脚部检测四类检测目标，使用labelme分别进行关键点标注，数据格式定义为：imgkeys＝[imgpath,xkeys,ykeys,classkeys]，其中xkeys,ykeys是关键点坐标，不同部位的关键点数目也不同，classkeys为关键点目标类别。
3.根据权利要求1所述的一种基于计算机视觉动作捕捉的Unity数字人肢体驱动方法，其特征在于，所述步骤S2中搭建动作捕捉模型的实现为：
S21、首先搭建动作捕捉模型中的人体、头部、手部、脚部的检测模块，先通过一层CNN卷积操作，对图像数据进行放缩，降低计算量，后对卷积得到的向量进行Patch切片，再对其进行Patch编码和位置编码，采用两对TransformerEncode和TransformerDecode构建图像编解码器核心，最终将图像的特征向量通过检测头得到目标类别和位置信息；
S22、然后搭建动作捕捉模型中的人体、头部、手部、脚部的关键点检测模块，对部位图像进行Patch切片，后对其进行Patch编码和位置编码，先采用两个Transformer Encode构建图像编码器核心，得到图像的特征向量，并对该向量进行类别判别，从而进行各个部位的关键点检测，由于头部关键点数量远高于其它部位，因此多添加一个Transformer Encode构建图像编码器，对其关键点数据进行深度解析，获取图像中人体、头部、手部、脚部的关键点信息。
4.根据权利要求1所述的一种基于计算机视觉动作捕捉的Unity数字人肢体驱动方法，其特征在于，所述步骤S3中训练、测试动作捕捉模型的步骤为：
S31、首先将imgobject数据中的训练集送入动作捕捉部位检测模型，训练方式学习率变化策略采用warmup，训练50轮次，公式为： 其中wl表示单一类别权重，l表示
为类别，n为l类别的数据量，m表示全部类别的数据量，分类损失采用类别均衡交叉熵损失函数，公式为： 其中
表示真实的分类标签， 表示为预测的分类标签；检测损失函数采用加权的
IOU+Dice损失函数，公式为：
其中labelobj表示真实的坐标标签， 表示预测的坐标标签；最终动作捕捉部位检测模块总损失函数为：Loss＝Lossclass+Lossobject；
S32、将imgkey数据中的训练集送入动作捕捉关键点检测模块，训练方式学习率变化策略采用warmup，训练100轮次，分类损失采用类别均衡交叉熵损失函数，对于关键点回归的损失函数采用均方根误差损失函数，公式为： 其中n
为关键点个数，x和y为真实的关键点坐标，xout，yout为预测的关键点坐标，动作捕捉关键点检测模块总损失函数为：Loss＝Lossclass+Lossobject。
5.根据权利要求1所述的一种基于计算机视觉动作捕捉的Unity数字人肢体驱动方法，其特征在于，所述步骤S4通过卡尔曼滤波对关键点坐标进行平滑处理，缓解抖动的关键点后处理为：
S41、首先是预测，根据上一时刻的估计值预测下一时刻的值，成为先验估计，同时这一步会预测下一时刻的误差，成为先验误差；
S42、然后更新，也称为矫正，首先计算权衡先验估计与测量值的权重的卡尔曼增益，再利用上一步的先验估计计算后验估计，同时更新先验误差到后验误差。
6.根据权利要求1所述的一种基于计算机视觉动作捕捉的Unity数字人肢体驱动方法，其特征在于，所述步骤S5对数字人的驱动的实现方式为将人体、头部、手部、脚部的关键点信息与Unity构建的数字人的骨骼结点进行关联，实现对数字人的细粒度驱动，通过摄像机捕捉实时画面，针对实时性要求对视频流数据进行抽帧处理，经过动作捕捉模型得到各个部位的关键点运动信息，采用卡尔曼滤波对其进行平滑处理，最后与Unity数字人关联实现驱动。