1.一种警用健康管理系统，其特征在于：包括警用智能手环、装载于警务移动设备的app和健康管理云端，警用智能手环和app之间通讯连接，app和健康管理云端通讯连接；
所述的警用智能手环包括生理指标检测模块、运动行为检测模块、交互模块、微控制单元和电源模块；所述的生理指标检测模块用于获取警员的生理指标数据；所述的运动行为检测模块用于获取警员的运动数据和位置数据；所述的交互模块用于与警员交互信息；所述的微控制单元分别与生理指标检测模块、运动行为检测模块和交互模块连接，以控制各模块工作；所述电源模块分别与生理指标检测模块、运动行为检测模块、交互模块和微控制单元连接，以对各模块供电；
所述的app包括生理指标模块、运动功能模块、心理指标模块、综合显示模块和个人设置模块；所述的生理指标模块用于处理手环采集的生理指标数据，把生理指标数据格式化后发送给健康管理云端，并接收、处理健康管理云端返回的生理健康结论；所述的运动功能模块用于处理手环的运动行为检测模块采集的数据，计算出警员当前的位置、运动状态和能量消耗，并把运动行为数据发送给健康管理云端；所述的心理指标模块用于采集心理健康量表信息数据，并把心理健康量表信息数据格式化后发送给健康管理云端，并接收、处理健康管理云端返回的心理健康结论；所述的综合显示模块用于显示警员综合健康状态和最新推送消息；所述个人设置模块用于显示个人身份信息，提供app的个人参数设置和系统参数设置gui接口；
所述的健康管理云端包括账号管理模块、数据管理模块、数据存储模块、深度学习模块、数据分析模块和监控模块；
所述的账号管理模块用于识别、验证app警员身份信息，对验证通过的警员开放app与健康管理云端间的数据交换权限；
所述的数据管理模块用于处理数据交互协议，然后把数据路由到不同的数据处理模块；
所述的数据存储模块实现健康管理云端的落地数据的格式化及存取功能；
所述的深度学习模块以数据存储模块存储的数据作为样本，进行深度卷积神经网络模型训练，根据数据特征，建立健康分类模型；
所述的数据分析模块把实时接收到的app发送的生理指标数据和心理指标数据同深度学习模块建立的健康分类模型进行对比分析，得出健康分析结果；
所述的监控模块用于根据数据分析模块得出的健康分析结果对相应警员或部门发送响应信息。
2.根据权利要求1所述的警用健康管理系统，其特征在于：所述警用智能手环还包括用于检测警员周围环境数据的环境监测模块。
3.根据权利要求1所述的警用健康管理系统，其特征在于：所述警用智能手环的生理指标检测模块包括心率传感器、血氧传感器、皮电传感器和体脂传感器。
4.根据权利要求1所述的警用健康管理系统，其特征在于：所述警用智能手环的运动行为检测模块包括加速度传感器组件和gps模块；gps模块获取警员的当前位置数据，用于运动状态计算和定位；加速度传感器组件用于获取警员的手腕运动数据，从而计算出警员停留在某个位置时是处于运动还是静止状态。
5.根据权利要求1所述的警用健康管理系统，其特征在于：所述警用智能手环的交互模块包括震动马达、led点阵、按键模块和ble蓝牙模块；所述的震动马达用于消息提醒；所述的led点阵用于时间、消息和健康数据的显示；所述的按键模块用于取得警员的输入；所述的ble蓝牙模块用于手环与app之间交换数据。
6.根据权利要求1所述的警用健康管理系统，其特征在于：所述app的生理指标模块还用于将手环采集的生理指标数据与本地的健康常模标准对比分析形成初步的生理健康分析结果；所述app的心理指标模块还用于将采集的心理健康量表信息数据与本地的健康常模标准对比分析形成初步的心理健康分析结果。
7.根据权利要求1所述的警用健康管理系统，其特征在于：所述的app还包括健康百科模块、健康计划模块和咨询互动模块；所述的健康百科模块用于提供健康百科知识；所述的健康计划模块用于规划健康任务，记录警员完成情况；所述的咨询互动用于警员主动健康求助和咨询。
8.运用权利要求1-7中任一所述警用健康管理系统的健康管理方法，其特征在于，包括以下步骤：
s1：警用智能手环和运行于警务移动设备的app建立通讯连接；
s2：警务移动设备的app与健康管理云端建立通讯连接；健康管理云端验证警员身份后，向app发送相应匹配的心理健康量表、健康计划以及消息；
s3：警务移动设备的app提醒警务人员完成步骤s2接收到的心理健康量表，并把采集到的心理指标数据发送给健康管理云端；
s4：警用智能手环采集佩戴警务人员的生理指标数据，并发送给警务移动设备的app；
s5：警务移动设备的app对收到的步骤s4中采集的生理指标数据进行处理后发送给健康管理平台云端；
s6：健康管理云端收到步骤s3发来的心理指标数据，落地到数据库，作为深度学习的样本数据；
s7：健康管理云端收到步骤s5发来的生理指标数据，落地到数据库，作为深度学习的样本数据；
s8：健康管理云端采用步骤s6和步骤s7的样本数据进行深度卷积神经网络模型训练，建立分类健康模型；
s9：健康管理云端用步骤s8得到的分类健康模型对app实时上传的生理指标数据和心理健康采集数据进行对照分析，得出健康分析结果；
s10：健康管理云端根据步骤s9中得到的健康分析结果，进行分级响应：
健康分析结果为轻度风险时，健康管理云端向警员app发送进行作息规律、合理饮食和健身提醒；
健康分析结果为中度风险时，健康管理云端向警员app发送进行作息规律、合理饮食和健身提醒，并同步推送健康分析结果给被采集警务人员的管理部门，提醒进行合理工作安排；
健康分析结果为重度风险时，健康管理云端向app推送紧急报警和自救指引，app以语音和视频方式播放自救指引,同时把紧急警报和身份位置信息通知给健康应急部门和附近的同事，快速完成急救响应。
9.根据权利要求8所述警用健康管理系统的健康管理方法，其特征在于：在步骤s8中，健康管理云端根据步骤s6和步骤s7的样本数据进行深度卷积神经网络模型训练，建立分类健康模型，包括以下步骤：
t1：深度学习模块从数据库载入落地的原始样本数据；
t2：深度学习模块从数据库载入步骤t1中的原始样本数据属主的电子健康档案；
t3：深度学习模块对步骤t1中载入的数据进行异常数据剔除处理；
t4：深度学习模块对步骤t2中预处理后的数据进行多维分类，根据分类生成一系列数据片段集；
t5：深度学习模块对步骤t3中生成的多维数据片段集进行特征标准化处理，使得每个维度的数据片段集的特征具有零均值和单位方差；
t6：深度学习模块使用步骤t2的电子健康档案标记步骤t5中的结果数据；
t7：深度学习模块把步骤t5或步骤t6的结果数据输入到卷积核，经过多层的特征映射后，输出特征数据；
t8：深度学习模块根据步骤t7中的特征数据的平均分布概率，反向调整卷积核各层的参数；
t9：深度学习模块重复t1到t8步骤，处理完所有的数据，完成特征训练；
t10：深度学习模块以步骤t9得到的一系列的特征数据，建立分类健康模型。
10.根据权利要求8所述警用健康管理系统的健康管理方法，其特征在于，在步骤s3中，警务移动设备的app还将采集到的心理指标数据与本地的健康常模标准对比分析形成初步的心理健康分析结果；
在步骤s5中，警务移动设备的app还将收到的生理指标数据与本地的健康常模标准对比分析形成初步的生理健康分析结果。