1.一种运动员比赛状态评估方法，其特征在于，包括：获取参赛运动员在比赛过程中预设时间段内的运动视频；

从所述运动视频中提取所述参赛运动员的运动特征，所述运动特征包括：运动员自身的运动参数、与所述运动参数相关的外部参数以及与所述运动参数相关的结果参数；其中，所述运动参数包括：跑动距离、冲刺速度、击球速度、传球次数、投篮次数、射门次数和抢断次数；所述外部参数包括：运动员出现在运动场的每个区域的时间、频率以及在每个区域做出各种技术动作的频率；所述结果参数包括：运动员做出各种技术动作的成功率；

根据所述运动特征和评估模型，获取所述参赛运动员在所述预设时间段内的比赛状态，其中，所述评估模型用于指示运动员的运动特征和运动员的比赛状态之间的关系。

2.根据权利要求1所述的方法，其特征在于，所述根据所述运动特征和评估模型，获取所述参赛运动员在所述预设时间段内的比赛状态之前，还包括：根据预存的训练样本，确定所述评估模型。

3.根据权利要求2所述的方法，其特征在于，所述根据预存的训练样本，确定所述评估模型，包括：根据所述训练样本中每个样本的运动特征，构建每个样本的运动特征向量；

根据每个样本的运动特征向量和每个样本被标记的比赛状态，确定所述评估模型。

4.根据权利要求1-3任一项所述的方法，其特征在于，所述根据所述运动特征和评估模型，获取所述参赛运动员在所述预设时间段内的比赛状态，包括：根据所述参赛运动员的运动特征，构建所述参赛运动员的运动特征向量；

将所述参赛运动员的运动特征向量输入所述评估模型中，得到所述参赛运动员在所述预设时间段内的比赛状态。

5.根据权利要求4所述的方法，其特征在于，所述将所述参赛运动员的运动特征向量输入所述评估模型中，得到所述参赛运动员在所述预设时间段内的比赛状态，包括：将所述参赛运动员的运动向量特征输入所述评估模型中，获取所述参赛运动员在所述预设时间段内的状态指数；

根据所述参赛运动员的状态指数，获取所述参赛运动员在所述预设时间段内的比赛状态。

6.根据权利要求5所述的方法，其特征在于，所述根据所述参赛运动员的状态指数，获取所述参赛运动员在所述预设时间段内的比赛状态，包括：当所述参赛运动员的状态指数小于等于第一阈值时，则确定所述参赛运动员在所述预设时间段内的比赛状态为“差”；

当所述参赛运动员的状态指数在第一阈值和第二阈值之间，则确定所述参赛运动员在所述预设时间段内的状态为“良”；

当所述参赛运动员的状态指数大于等于第二阈值时，则确定所述参赛运动员在所述预设时间段内的比赛状态为“优”。

7.根据权利要求3所述的方法，其特征在于，所述根据每个样本的运动特征向量和每个样本被标记的比赛状态，确定所述评估模型，包括：采用深度学习方法对每个样本的运动特征向量和对应比赛状态的关系进行训练，得到所述评估模型。

8.根据权利要求1所述的方法，其特征在于，还包括：根据比赛双方的参赛运动员的比赛状态，通过加权方式计算每一方的综合实力得分；

根据每一方的综合实力得分，采用增强现实技术AR呈现比赛结果。

9.根据权利要求1所述的方法，其特征在于，所述获取参赛运动员在比赛过程中预设时间段内的运动视频，包括：通过终端的摄像头获取所述运动视频。

10.一种运动员比赛状态评估装置，其特征在于，包括：第一获取模块，用于获取参赛运动员在比赛过程中预设时间段内的运动视频；

提取模块，用于从所述运动视频中提取所述参赛运动员的运动特征，所述运动特征包括：运动员自身的运动参数、与所述运动参数相关的外部参数以及与所述运动参数相关的结果参数；其中，所述运动参数包括：跑动距离、冲刺速度、击球速度、传球次数、投篮次数、射门次数和抢断次数；所述外部参数包括：运动员出现在运动场的每个区域的时间、频率以及在每个区域做出各种技术动作的频率；所述结果参数包括：运动员做出各种技术动作的成功率；

第二获取模块，用于根据所述运动特征和评估模型，获取所述参赛运动员在所述预设时间段内的比赛状态，其中，所述评估模型用于指示运动员的运动特征和运动员的比赛状态之间的关系。

11.根据权利要求10所述的装置，其特征在于，还包括：确定模块，用于根据预存的训练样本，确定所述评估模型。

12.根据权利要求11所述的装置，其特征在于，所述确定模块，包括：第一构建模块和确定单元；

所述第一构建模块，用于根据所述训练样本中每个样本的运动特征，构建每个样本的运动特征向量；

所述确定单元，用于根据每个样本的运动特征向量和每个样本被标记的比赛状态，确定所述评估模型。

13.根据权利要求10-12任一项所述的装置，其特征在于，所述第二获取模块，包括：第二构建模块和获取单元；

所述第二构建模块，用于根据所述参赛运动员的运动特征，构建所述参赛运动员的运动特征向量；

所述获取单元，用于将所述参赛运动员的运动特征向量输入所述评估模型中，得到所述参赛运动员在所述预设时间段内的比赛状态。

14.根据权利要求13所述的装置，其特征在于，

所述获取单元，具体用于将所述参赛运动员的运动向量特征输入所述评估模型中，获取所述参赛运动员在所述预设时间段内的状态指数；

根据所述参赛运动员的状态指数，获取所述参赛运动员在所述预设时间段内的比赛状态。

15.根据权利要求14所述的装置，其特征在于，

所述获取单元，具体用于当所述参赛运动员的状态指数小于等于第一阈值时，则确定所述参赛运动员在所述预设时间段内的比赛状态为“差”；

当所述参赛运动员的状态指数在第一阈值和第二阈值之间，则确定所述参赛运动员在所述预设时间段内的状态为“良”；

当所述参赛运动员的状态指数大于等于第二阈值时，则确定所述参赛运动员在所述预设时间段内的比赛状态为“优”。

16.根据权利要求12所述的装置，其特征在于，

所述确定单元，具体用于采用深度学习方法对每个样本的运动特征向量和对应比赛状态的关系进行训练，得到所述评估模型。

17.根据权利要求10所述的装置，其特征在于，还包括：计算模块，用于根据比赛双方的参赛运动员的比赛状态，通过加权方式计算每一方的综合实力得分；

呈现模块，用于根据每一方的综合实力得分，采用增强现实技术AR呈现比赛结果。

18.根据权利要求10所述的装置，其特征在于，

所述第一获取模块，具体用于通过终端的摄像头获取所述运动视频。

19.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-9任一项所述的方法。

20.一种服务器，其特征在于，包括：

处理器；以及

存储器，用于存储所述处理器的可执行指令；

其中，所述处理器配置为经由执行所述可执行指令来实现权利要求1-9任一项所述的方法。