1.一种基于运动检测辅助识别的打击乐智能教育系统，包括鼓棒、架子鼓和主机，其特征在于，所述鼓棒上安装有加速度传感器和陀螺仪传感器，所述加速度传感器和陀螺仪传感器均通讯连接所述主机，所述主机还用于采集架子鼓的音频数据，所述主机的数据处理过程包括以下步骤：
初始校正步骤：在乐曲开始前的一个静止时刻，根据所述加速度传感器的探测值，得到重力加速度值，确定当前鼓棒所握的位置；
打击坐标力度识别步骤：鼓棒动作时，根据所述陀螺仪传感器采集鼓棒的旋转量，并根据所述初始校正步骤中获取的重力加速度值，计算当前的重力加速度，然后与当前加速度传感器获取的数据作差，得到鼓棒去除重力后的加速度，并基于所述鼓棒所握的位置，得到鼓棒头部的位置，最后根据动量定理计算鼓棒的打击坐标力度；
音频特征提取步骤：根据所述音频数据，提取音频特征；
打击乐识别步骤：将所述音频特征和鼓棒的打击坐标力度载入预先建立并训练好的打击识别神经网络模型中，得到打击乐器的音色和力度，
评分步骤：根据所述打击乐器的音色和力度，给出乐曲评分。
2.根据权利要求1所述的一种基于运动检测辅助识别的打击乐智能教育系统，其特征在于，所述加速度传感器的数量为三个，三个加速度传感器两两正交设置，用于获取三个方向的加速度；
所述初始校正步骤中根据三个方向的重力加速度进行三角运算，确定当前鼓棒所握的位置。
3.根据权利要求2所述的一种基于运动检测辅助识别的打击乐智能教育系统，其特征在于，所述陀螺仪传感器的数量为三个，三个陀螺仪传感器两两正交设置，用于获取三个方向的旋转量，三个陀螺仪传感器与所述三个加速度传感器的位置相对应；
根据三个陀螺仪传感器获取的三个方向的旋转量分量，与所述初始校正步骤中获取的三个方向的重力加速度分别进行乘法计算，得到当前的重力加速度。
4.根据权利要求3所述的一种基于运动检测辅助识别的打击乐智能教育系统，其特征在于，根据所述鼓棒去除重力后的加速度进行积分运算，求取速度曲线，并根据速度时间，得到鼓棒相对于在初始校正步骤中的位置；并基于所述鼓棒所握的位置，得到鼓棒头部的位置。
5.根据权利要求1所述的一种基于运动检测辅助识别的打击乐智能教育系统，其特征在于，所述主机的数据处理过程还包括：根据鼓棒头部的位置的瞬间变化，确定鼓棒的状态，该鼓棒的状态包括平移、往下击打和反弹；
所述评分步骤包括：根据所述打击乐器的音色、力度和鼓棒的状态，给出乐曲评分。
6.根据权利要求1所述的一种基于运动检测辅助识别的打击乐智能教育系统，其特征在于，所述主机的数据处理过程还包括：根据所述加速度传感器和陀螺仪传感器的比例，得到鼓棒的用力点，该鼓棒的用力点包括手腕和全身；
所述评分步骤包括：根据所述打击乐器的音色、力度、鼓棒的状态和鼓棒的用力点，给出乐曲评分。
7.根据权利要求1所述的一种基于运动检测辅助识别的打击乐智能教育系统，其特征在于，音频特征提取步骤中，通过提取所述音频数据中时域的ADSR包络变化及频域的MFCC变化特征，得到所述音频特征。
8.根据权利要求1所述的一种基于运动检测辅助识别的打击乐智能教育系统，其特征在于，根据实时获取所述音色和力度，与预设的打击乐谱进行对比，判断打击的正确率，从而得到所述乐曲评分。
9.根据权利要求1所述的一种基于运动检测辅助识别的打击乐智能教育系统，其特征在于，所述打击识别神经网络模型的训练过程具体为：
获取训练数据，该训练数据包括模型输入数据和实际的打击动作结果，将该训练数据载入预先建立的打击识别神经网络模型中，进行模型训练，直至达到预设的训练停止条件，获取训练好的打击识别神经网络模型。
10.根据权利要求9所述的一种基于运动检测辅助识别的打击乐智能教育系统，其特征在于，所述打击识别神经网络模型采用BP神经网络。