1.一种无人驾驶汽车的乘客行为监督方法，其特征在于，所述方法应用于一车载系统，所述车载系统设置于相对应的无人驾驶汽车中，所述方法包括：当所述无人驾驶汽车满足启动条件时，实时获取视频采集装置采集到的所述无人驾驶汽车中当前乘客的当前视频数据，所述视频采集装置设置于所述无人驾驶汽车的车内；

将所述当前视频数据输入至预设的行为监督模型中进行行为识别，以判断所述当前视频数据中是否存在与所述监督模型存储的异常行为数据匹配的特征数据，所述行为监督模型由卷积网络、递归网络、融合网络和分类网络组成，所述卷积网络用于提取视频中每一帧的特征，所述递归网络用于对视频中帧与帧之间的时序关系进行建模，所述融合网络用于对训练特征数据进行融合，所述分类网络用于输出每一帧属于各个异常行为的概率；

若所述当前视频数据中存在与所述监督模型存储的异常行为数据匹配的特征数据，则控制车内报警装置发出报警信息，同时存储所述当前乘客的乘客信息与相应的异常行为数据之间的对应关系。

2.根据权利要求1所述的无人驾驶汽车的乘客行为监督方法，其特征在于，将所述当前视频数据输入至预设的行为监督模型中进行行为识别，以判断所述当前视频数据中是否存在与所述监督模型存储的异常行为数据匹配的特征数据的步骤之后，所述方法还包括：若所述当前视频数据中存在与所述监督模型存储的异常行为数据匹配的特征数据，则记录所述当前乘客产生的异常行为的类别以及次数；

根据所述当前乘客产生的异常行为的类别以及次数，计算所述当前乘客的本次搭乘的当前分值。

3.根据权利要求2所述的无人驾驶汽车的乘客行为监督方法，其特征在于，根据所述当前乘客产生的异常行为的类别以及次数，计算所述当前乘客的本次搭乘的当前分值的步骤中，采用下式计算所述当前乘客的本次搭乘的当前分值：G=a1*b1* c1+ a2*b2* c2+…+ai*bi* ci其中，G表示所述当前分值，a1表示产生第1类异常行为的次数，b1表示第1类异常行为对应的权重值，c1表示产生一次第1类异常行为所产生的基础扣分；

a2表示产生第2类异常行为的次数，b2表示第2类异常行为对应的权重值，c2表示产生一次第2类异常行为所产生的基础扣分；ai表示产生第i类异常行为的次数，bi表示第i类异常行为对应的权重值，ci表示产生一次第i类异常行为所产生的基础扣分，i为正整数。

4.根据权利要求3所述的无人驾驶汽车的乘客行为监督方法，其特征在于，根据所述当前乘客产生的异常行为的类别以及次数，计算所述当前乘客的本次搭乘的当前分值的步骤之后，所述方法还包括：

当所述当前分值大于或等于分数阈值时，根据所述当前分值的大小，将所述当前乘客列入相应等级的黑名单；其中，不同等级的黑名单对应不同的分数阈值以及不同的限乘规则。

5.根据权利要求1所述的无人驾驶汽车的乘客行为监督方法，其特征在于，当所述无人驾驶汽车满足启动条件时，实时获取视频采集装置采集到的所述无人驾驶汽车中当前乘客的当前视频数据的步骤之前，所述方法还包括：获取所述视频采集装置采集到的所述当前乘客的当前人脸识别数据，以及指纹装置采集到的所述当前乘客的当前指纹识别数据，所述指纹装置采集设置于所述无人驾驶汽车的车内；

判断所述当前人脸识别数据与服务器中存储的发起乘车请求的用户的人脸识别数据是否匹配，以及所述当前指纹识别数据与服务器中存储的发起乘车请求的用户的指纹识别数据是否匹配；

若当前人脸识别数据与服务器中存储的发起乘车请求的用户的人脸识别数据匹配，且所述当前指纹识别数据与服务器中存储的发起乘车请求的用户的指纹识别数据匹配，则判定所述无人驾驶汽车满足启动条件；

若当前人脸识别数据与服务器中存储的发起乘车请求的用户的人脸识别数据不匹配，和/或所述当前指纹识别数据与服务器中存储的发起乘车请求的用户的指纹识别数据不匹配，则判定所述无人驾驶汽车不满足启动条件。

6.根据权利要求1所述的无人驾驶汽车的乘客行为监督方法，其特征在于，在每位所述当前乘客完成乘坐之后，通过服务器存储每位当前乘客的人脸识别数据以及在乘坐过程中所产生的异常行为信息，所述异常行为信息至少包括异常行为类别；

所述方法还包括：

当每位所述当前乘客进入到所述无人驾驶汽车内时，获取所述当前乘客的人脸识别数据，所述人脸识别数据至少包括乘客性别以及乘客年龄；

根据所述乘客性别以及所述乘客年龄确认所述当前乘客的类型，根据所述当前乘客的类型，在服务器中查找与所述当前乘客的类型相对应的最高频的异常行为种类；

根据所述最高频的异常行为种类，生成对应的行为提示语音以规范所述当前乘客的行为。

7.根据权利要求1所述的无人驾驶汽车的乘客行为监督方法，其特征在于，在所述无人驾驶汽车内设有一远程通讯设备、无线健康监测手环以及急救箱，所述方法还包括：通过所述无线健康监测手环对当前乘客的当前生理状态进行监测以获得监测数据，其中所述监测数据至少包括乘客的心率值以及血压值；

若所述当前乘客的心率值或血压值超出对应的预设阈值，且所述无人驾驶汽车处于行驶状态时，则生成语音救助提示信息，并自动打开所述急救箱；

且通过所述远程通讯设备向距离最近的急救中心发送求救信号，并立即规划导航行驶至最近的急救中心，其中所述求救信号包括所述当前乘客的身份信息以及监测数据。

8.根据权利要求3所述的无人驾驶汽车的乘客行为监督方法，其特征在于，所述方法还包括：

统计每位所述当前乘客在预设时间段内每次搭乘时对应的当前分值，并根据多个所述当前分值计算得到平均分值；

判断所述平均分值是否小于对应的分数阈值；

若是，则根据所述平均分值计算并向对应的乘客推送相应金额的优惠券链接；

其中，所述优惠券对应的金额的计算公式表示为：其中， 为优惠券对应的金额， 为校正系数， 为所述平均分值， 为当前乘客乘坐无人驾驶汽车的累积消费金额，平均分值 为多个所述当前分值的平均值。

9.一种无人驾驶汽车的乘客行为监督装置，其特征在于，所述装置应用于一车载系统，所述车载系统设置于相对应的无人驾驶汽车中，所述装置包括：第一获取模块，用于当所述无人驾驶汽车满足启动条件时，实时获取视频采集装置采集到的所述无人驾驶汽车中当前乘客的当前视频数据，所述视频采集装置设置于所述无人驾驶汽车的车内；

第一判断模块，用于将所述当前视频数据输入至预设的行为监督模型中进行行为识别，以判断所述当前视频数据中是否存在与所述监督模型存储的异常行为数据匹配的特征数据，所述行为监督模型由卷积网络、递归网络、融合网络和分类网络组成，所述卷积网络用于提取视频中每一帧的特征，所述递归网络用于对视频中帧与帧之间的时序关系进行建模，所述融合网络用于对训练特征数据进行融合，所述分类网络用于输出每一帧属于各个异常行为的概率；

输出模块，用于若所述当前视频数据中存在与所述监督模型存储的异常行为数据匹配的特征数据，则控制车内报警装置发出报警信息，同时存储所述当前乘客的乘客信息与相应的异常行为数据之间的对应关系。

10.根据权利要求9所述的无人驾驶汽车的乘客行为监督装置，其特征在于，所述装置还包括：

记录模块，用于若所述当前视频数据中存在与所述监督模型存储的异常行为数据匹配的特征数据，则记录所述当前乘客产生的异常行为的类别以及次数；

计算模块，用于根据所述当前乘客产生的异常行为的类别以及次数，计算所述当前乘客的本次搭乘的当前分值；

列入模块，用于当所述当前分值大于或等于分数阈值时，将所述当前乘客列入黑名单，所述黑名单中的乘客在预设时间内被禁止使用无人驾驶汽车；

所述计算模块还用于采用下式计算所述当前乘客的本次搭乘的当前分值：G=a1*b1* c1+ a2*b2* c2+…+ai*bi* ci其中，G表示所述当前分值，a1表示产生第1类异常行为的次数，b1表示第1类异常行为对应的权重值，c1表示产生一次第1类异常行为所产生的基础扣分；

a2表示产生第2类异常行为的次数，b2表示第2类异常行为对应的权重值，c2表示产生一次第2类异常行为所产生的基础扣分；ai表示产生第i类异常行为的次数，bi表示第i类异常行为对应的权重值，ci表示产生一次第i类异常行为所产生的基础扣分，i为正整数。