1.一种多特征融合姿态识别系统，其特征在于，包括管理终端(100)、云服务器(200)、无线网络(300)和人体节点(400)；其中，所述人体节点(400)包括胸部节点(410)、足部节点L(420)和足部节点R(430)；所述胸部节点(410)包括第一单片机(411)、9轴传感器(412)、第一气压传感器(413)、Wi-Fi模块(414)、第一2.4G模块(415)和第一电源模块(416)；所述足部节点L(420)包括第二单片机(421)、第二2.4G模块(422)、第二电源模块(423)和位于左鞋垫夹层的第一力敏传感器组(424)；所述足部节点R(430)包括第三单片机(431)、第二气压传感器(432)、第三2.4G模块(433)、第三电源模块(434)和位于右鞋垫夹层的第二力敏传感器组(435)；

所述Wi-Fi模块(414)通过无线网络(300)与云服务器(200)通信，9轴传感器(412)、第一气压传感器(413)、Wi-Fi模块(414)、第一2.4G模块(415)均与第一单片机(411)连接，第一电源模块(416)用以为胸部节点(410)供电；

所述第一力敏传感器组(424)和第二2.4G模块(422)均与第二单片机(421)连接，第二电源模块(423)用以为足部节点L(420)供电；

所述第二气压传感器(432)、第三2.4G模块(433)和第二力敏传感器组(435)均与第三单片机(431)连接，第三电源模块(434)用以为足部节点R(430)供电。

2.根据权利要求1所述的一种多特征融合姿态识别系统，其特征在于，所述足部节点L(420)位于左鞋后跟的腔体内，所述足部节点L(420)的上方为左鞋垫，第一力敏传感器组(424)位于左鞋垫夹层中。

3.根据权利要求1所述的一种多特征融合姿态识别系统，其特征在于，所述足部节点R(430)位于右鞋后跟的腔体内，所述足部节点R(430)的上方为右鞋垫，第二力敏传感器组(435)位于右鞋垫夹层中。

4.根据权利要求1所述的一种多特征融合姿态识别系统，其特征在于，所述第一力敏传感器(424)和第二力敏传感器组(435)分别由8个力敏传感器构成，其电压输出分别为Li(i∈[1,8])和Ri(i∈[1,8])，第一力敏传感器组(424)中，力敏传感器L1位于左脚的第一趾骨处，力敏传感器L2、力敏传感器L3和力敏传感器L4位于左脚的跖趾关节处，力敏传感器L5和力敏传感器L6位于左脚的足外侧，力敏传感器L7和力敏传感器L8位于足跟处；第二力敏传感器(435)中，力敏传感器R1位于右脚的第一趾骨处，力敏传感器R2、力敏传感器R3和力敏传感器R4位于左脚的跖趾关节处，力敏传感器R5和力敏传感器R6位于左脚的足外侧。

5.一种多特征融合姿态识别方法，其特征在于，所述方法包括如下步骤：

(1)采用管理终端通知人体节点采集用户姿态参数；

(2)人体节点中的胸部节点通知足部节点L和足部节点R采集数据，足部节点L采集第一力敏传感器组的电压数据，足部节点R采集第二力敏传感器组的电压数据和第二气压传感器的数据，胸部节点采集9轴传感器的三轴角度、三轴加速度数据和第一气压传感器的数据；

(3)根据人体节点采集的数据计算人体与水平面的倾角、人体合加速度、胸足高度差百分比和设置有第二力敏传感器组的各个点的单位面积受力，判断当前状态，如果当前状态为训练或更新状态，则将计算结果和计算结果所对应的人体姿态类别的标签发送至云服务器，并继续步骤(4)，如果当前状态为识别状态，则继续步骤(5)；

(4)云服务器根据步骤(3)的计算结果和计算结果所对应的人体姿态类别的标签计算不同的人体姿态类别的划分指标和划分值；

(5)根据步骤(3)的计算结果和不同的人体姿态类别的划分指标和划分值判断人体姿态类别。

6.根据权利要求5所述的多特征融合姿态识别方法，其特征在于，所述步骤(2)包括如下步骤：(2-1)所述胸部节点通过第一2.4G模块分别发送命令给足部节点L和足部节点R；

(2-2)所述节点L通过第二2.4G模块接收到胸部节点的命令后，将采集到的第一力敏传感器组的电压数据L1～L8通过第二2.4G模块发送给胸部节点；

(2-3)所述足部节点R通过第三2.4G模块接收到胸部节点的命令后，将采集到的第二力敏传感器组的电压数据R1～R8和第二气压传感器的数据P2通过第三2.4G模块发送给胸部节点；

(2-4)所述胸部节点分别接收足部节点L和足部节点R的数据，同时采集9轴传感器的三轴角度(x，y，z)和三轴加速度数据(ax，ay，az)，以及第一气压传感器数据P1。

7.根据权利要求6所述的多特征融合姿态识别方法，其特征在于，所述步骤(3)包括如下步骤：(3-1)根据以下公式计算人体与水平面的倾角BTA：

(3-2)根据以下公式计算人体合加速度ha：

(3-3)根据以下公式计算胸足高度差百分比HP：

HP＝44330·((P2P0)15.255-(P1P0)15.255)H0式中，P0为标准大气压，H0为用户身高；

(3-4)根据以下公式分别计算第一力敏传感器组和第二力敏传感器组中各点的单位面积受力LPai、RPai：LPai＝0.2(ln(Li)-1.17)-0.2

RPai＝0.2(ln(Ri)-1.17)-0.2

(3-5)根据以下公式分别计算第一力敏传感器组和第二力敏传感器组各点的开关量LPaDi、RPaDi：LPaDi＝ε(LPai-ρ)

RPaDi＝ε(RPai-ρ)

式中，ρ为预设的足底压强阈值；

(3-6)根据以下公式分别计算第一力敏传感器组和第二力敏传感器组的开关量综合输出LPaDSUM、RPaDSUM：

8.根据权利要求7所述的多特征融合姿态识别方法，其特征在于，所述步骤(4)包括如下步骤：(4-1)云服务器分别计算：步行与坐姿的胸足高度差百分比HP的最佳划分值HP1，下蹲与捡姿态的胸足高度差百分比HP的最佳划分值HP2，下蹲与坐姿的人体与水平面的倾角BTA的最佳划分值θ1，下蹲与捡姿态的人体与水平面的倾角BTA的最佳划分值θ2；

(4-2)人体姿态参数确定完成，云服务器将计算得到的划分指标和最佳划分值返回至胸部节点。

9.根据权利要求8所述的多特征融合姿态识别方法，其特征在于，所述步骤(5)包括如下步骤：(5-1)首先根据人体合加速度ha检测人体运动程度，并结合人体与水平面的倾角BTA检测人体上身的倾斜程度及足底压力；

2 2

若|ha|≥15m/s或|ha|≤5m/s，且下一时刻HP

(5-2)若|ax|<5m/s2且x≤0°，则为向前跌倒；若|ax|<5m/s2且x>0°，则为向后跌倒；若|ay|<5m/s2且y>0°，则为向左跌倒；若|ay|<5m/s2且y≤0°，则为向右跌倒；

(5-3)根据胸足高度差百分比HP检测人体是否有下降行为，若HP≤P1，则判断为坐姿、下蹲或捡，继续进行(5-4)；否则判断为步行或站立，进行(5-6)；

(5-4)综合考虑胸足高度差百分比HP和人体与水平面的倾角BTA，若BTA≥θ1且P2≤HP≤P1，则判断为坐姿，若θ2≤BTA<θ1且HP

(5-5)若LPaDSUM≥ω1且RPaDSUM≥ω1，则判断为向前捡；若LPaDSUM≥ω1且RPaDSUM＝0，则判断为向左捡；若LPaDSUM＝0且RPaDSUM≥ω1，则判断为向右捡；

(5-6)根据足底压强变化周期计算步频，若步频极小，则判断为站立；若步频符合人体步行规律，则判断为步行。

10.根据权利要求9所述的多特征融合姿态识别方法，其特征在于，所述方法还包括如下步骤：(6)若姿态识别结果为跌倒，或检测到久站、久坐等不健康行为，则通过短信或语音提醒家人或用户；

(7)所述胸部节点将识别的姿态结果上传至云服务器，管理终端根据云服务器数据显示数据曲线和识别的姿态结果。