1.一种基于运动能量释放估算的注意缺陷多动障碍(ADHD)检测方法，其特征在于，通过摄像方法对测试场景下的被测试者身体进行数据采集，获得测试时间段内被测试者身体各部位运动位移的瞬时体素信息集；根据所测得的瞬时体素信息集计算出被测者的运动能量释放估计值A；根据所测得的运动能量释放估计值A与被测试者身高体重指数的乘积获得被测试者的测试值；将测试值与被测试者所在年龄常模阈值相比对，判定被测试者是否罹患注意缺陷多动障碍。
2.根据权利要求1所述的注意缺陷多动障碍(ADHD)检测方法，其特征在于，通过摄像方法对被测试者身体进行数据采集，其具体方法：预定测试内容，被测试者在测试时间内根据测试内容作出反应；通过TOF传感器记录被测试者在不同时刻的全身瞬时体素数据。
3.根据权利要求2所述的注意缺陷多动障碍(ADHD)检测方法，其特征在于，所述的运动能量释放估计值A的计算方法是：
将所采集到的体素信息集形成体素矩阵序列；
利用“开放自然交互库”(OpenNI)的人体骨骼模式匹配算法将人体体素矩阵按人体区域划分；
在体素矩阵序列中取任一代表被测试者正常站姿的矩阵，通过被测试者的体重除以其身体的总体素数，得到每一个体素的估计质量m；
根据人体各划分区域所占有的体素数，计算每个划分区域的估计质量m1、m2、m3......mn,其中n为人体所划分区域的数量；
将所采集到的体素矩阵序列按采集时间顺序依次求得人体各划分区域的重心空间坐标；
根据同一划分区域中相邻两坐标的距离作为瞬时位移s，依据动能公式E＝mv2/2，得到身体运动动能E＝m1s12+m2s22+…+mnsn2，其中s＝vt，t为时间，s为位移，v为速度；
将体素矩阵序列中每相邻矩阵的E值相加，得到被测试者运动能量释放估计值A。
4.根据权利要求3所述的注意缺陷多动障碍(ADHD)检测方法，其特征在于，所述的利用“开放自然交互库”(OpenNI)的人体骨骼模式匹配算法将人体体素矩阵划分为六部分，分别形成头部，躯干，双臂和双腿6部分。
5.根据权利要求1-4任一所述的注意缺陷多动障碍(ADHD)检测方法，其特征在于，根据年龄常模将注意缺陷多动障碍(ADHD)由“无症状”到“非常严重”划分为七种病情区间，将所测得的运动能量释放估计值A与被测试者身高体重指数的乘积作为测试值，判定被测试者的测试值落入哪一病情区间，来判定是否罹患注意缺陷多动障碍及其病情的严重程度。
6.一种基于运动能量释放估算的注意缺陷多动障碍(ADHD)检测系统，其特征在于，所述系统包括：数据采集模块，用于对测试者进行身体体素数据采集，获得场景下的图像矩阵序列；
图像筛选模块，对图形矩阵序列筛选，选出在测试时间段内代表被测试者身体运动位移的瞬时体素信息集；
运动能量计算模块，根据所测得的瞬时体素信息集逐帧计算，获得在测试时间段内被测试者的运动能量释放估计值A；
判断模块，将所测得的运动能量释放估计值A与被测者身高体重指数的乘积作为测试值，将测试值与所设定的被测试者所在年龄常模阈值相比较，对被测试者是否罹患注意缺陷多动障碍作出判断。
7.根据权利要求6所述的基于运动能量释放估算的注意缺陷多动障碍(ADHD)检测系统，其特征在于，所述系统还包括病情分级模块，其根据年龄常模将注意缺陷多动障碍(ADHD)由“无症状”到“非常严重”划分为七种病情区间，将被测试者的测试值与其所在年龄常模的病情画线值比对，对被测试者是否罹患注意缺陷多动障碍及病情级别作出判断。
8.根据权利要求7所述的基于运动能量释放估算的注意缺陷多动障碍(ADHD)检测系统，其特征在于，所述系统还包括人体形态识别模块，其对所述图像筛选模块筛选出的瞬时体素信息集进行图像模式识别，并将瞬时体素信息集分割为头部、躯干、双臂和双腿六部分，然后传输给所述运动能量计算模块进行运动能量释放估计值计算。
9.根据权利要求7所述的基于运动能量释放估算的注意缺陷多动障碍(ADHD)检测系统，其特征在于，所述系统还包括数据存储模块，其与所述判断模块连接，用于存储被测试者的运动测试数据。
10.根据权利要求6-9任一所述的基于运动能量释放估算的注意缺陷多动障碍(ADHD)检测系统，其特征在于，所述的数据采集模块为TOF传感器。