1.一种无人机物流送货方法，其特征在于，包括下述步骤：
s1：无人机在收货点上空采集图像及声音数据，并将数据传输到无人机交互式控制系统；
s2：无人机交互式控制系统通过人体姿态识别模块识别出图像中的人体位置及人体关节节点后，识别人脸特征点数据，通过语音识别模块读取用户的语音数据，识别声纹特征点数据；
s3：采集的人脸特征点与数据库中的人脸数据进行对比，采集的声纹特征点数据与数据库中的语音数据进行对比，用户识别模块验证用户的身份信息；
s4：当身份信息验证为错误时，无人机权限递交模块控制无人机悬停，超过设定时间后无人机返回；当身份信息验证为正确时，无人机权限递交模块将无人机控制权限递交至用户，通过人体姿态识别模块或语音识别模块与无人机进行数据交互；
s5：通过对比数据库中的节点运作方式判断出人体姿态所对应的控制信号，或者通过对比数据库中的语音数据判断出用户语义并转换成控制信号，并回传至无人机飞控系统；
s6：当货物完成交付，无人机避障提升到设定的高度后，接收无人机飞控系统的控制信号，无人机返回。
2.根据权利要求1所述的无人机物流送货方法，其特征在于，步骤s2中所述识别人脸特征点数据，具体步骤包括：
构建回归函数f，图像i作为输入，输出θ为人脸特征点的位置，构建多个回归子函数逼近回归函数f，计算公式为：
θ＝f(i)＝fn(fn-1(…f1(θ0,i),i),i)；
θi＝fi(θi-1,i),i＝1,…,n；
其中，θ0为人脸特征点的初始形状。
3.根据权利要求1所述的无人机物流送货方法，其特征在于，步骤s2中所述人体姿态识别模块识别出图像中的人体位置及人体关节节点，具体包括：
采用初级神经网络计算图像中的人体关节像素坐标，将图像的人体关节坐标映射到深度图坐标，计算关节热点图像，将深度图像和关节热点图像输入次级神经网络，估算人体3d关节位置，根据人体3d关节点位置，采用图像分割方法计算腋下点。
4.根据权利要求3所述的无人机物流送货方法，其特征在于，所述初级神经网络采用cpn网络，包括globalnet和refinenet，所述globalnet用于定位可见关键点，所述refinenet用于定位隐藏关键点，所述refinenet在不同层之间传输信息。
5.根据权利要求3所述的无人机物流送货方法，其特征在于，所述将深度图像和关节热点图像输入次级神经网络，估算人体3d关节位置，具体步骤包括：
进行选择性搜索，搜索出候选框，在卷积神经网络中进行特征提取得到特征图，然后在特征图中选取各个候选框的区域，对各个候选框采用金字塔进行空间池化，提取出固定长度的特征向量，采用svm算法对特征向量进行分类识别，然后计算关节点之间的距离。
6.根据权利要求1所述的无人机物流送货方法，其特征在于，步骤s3中所述采集的人脸特征点与数据库中的人脸数据进行对比，具体步骤包括：
构建并训练深度卷积神经网络，设置欧式距离阈值，所述欧式距离阈值用于判断采集的人脸特征点与数据库中的人脸数据是否属于同一个用户，计算公式为：
其中，xi、yi分别表示各特征点的采集值和数据库中的值。
7.根据权利要求1或6所述的无人机物流送货方法，其特征在于，步骤s3中所述采集的声纹特征点数据与数据库中的语音数据进行对比，具体步骤包括：
收集用户语音进行特征提取，对声纹模型进行训练，与数据库中预设生成的模型进行对比，并对相似度进行打分，当分值超过设定阈值时，用户的身份信息验证通过。
8.一种无人机物流送货系统，其特征在于，包括：无人机、无人机交互式控制系统和无人机飞控系统；
所述无人机上搭载图像采集模块、声音采集模块、避障传感器、gps导航模块和测距传感器；
所述无人机交互式控制系统包括人体姿态识别模块、语音识别模块、用户身份识别模块和无人机权限递交模块；
所述人体姿态识别模块用于识别人体位置和关节节点数据，提取人脸数据和人体姿态数据，所述语音识别模块用于识别用户的语音声纹数据，所述用户身份识别模块用于将人脸数据、语音声纹数据与数据库进行对比，验证用户身份信息，所述无人机权限递交模块用于将无人机控制权限递交至用户端；
所述无人机飞控系统用于接收人体姿态或语音数据对应的控制信号，控制无人机飞行状态。
9.根据权利要求8所述的无人机物流送货系统，其特征在于，所述无人机上还设置有无人机5g通信模块，所述无人机交互式控制系统上还设置有数据处理5g通信模块。