1.一种基于联邦学习的分布式人群疏散路径规划方法，其特征在于，包括以下步骤：获取子区域的视频信息数据，构建局部势能场；

基于所构建的局部势能场计算局部势能值，构建局部密度场；

依据所构建的局部势能场和局部密度场，确定个体的无碰撞运动速度；

将所构建的各个子区域的局部势能场进行聚合，构建全局势能场；

根据所构建的局部势能场和全局势能场，搭建人群疏散仿真平台，依据所得到的个体的无碰撞运动速度，进行人群疏散的模拟仿真。

2.如权利要求1中所述的一种基于联邦学习的分布式人群疏散路径规划方法，其特征在于，所述视频信息数据至少包括场景信息和人群信息。

3.如权利要求1中所述的一种基于联邦学习的分布式人群疏散路径规划方法，其特征在于，所述构建局部势能场的过程为:将子区域均匀分成若干个网格单元，对所得到的每个网格单元进行编号和标记位置坐标；

基于标记位置坐标的网格单元进行局部区域场景的构建，结合势能场进行局部势能场的构建。

4.如权利要求1中所述的一种基于联邦学习的分布式人群疏散路径规划方法，其特征在于，所述局部势能值至少包括场景不适值、受到所有出口影响后的最终势能值和受到所有个体影响后的总人群不适值。

5.如权利要求1中所述的一种基于联邦学习的分布式人群疏散路径规划方法，其特征在于，所述个体的无碰撞运动速度包括速度大小和速度方向；所述局部密度场影响所述速度大小，所述局部势能场决定所述速度方向。

6.如权利要求1中所述的一种基于联邦学习的分布式人群疏散路径规划方法，其特征在于，所述全局势能场构建的过程中，采用联邦学习的分布式框架，考虑各个子区域之间的相互监护，基于局部势能场进行应急疏散规划的建模，通过全局聚合得到全局势能场，为个体规划全局最优路径。

7.如权利要求6中所述的一种基于联邦学习的分布式人群疏散路径规划方法，其特征在于，通过全局聚合得到全局势能场的过程中，将各个子区域上传的物体位置信息拼接起来，将各子区域上传的位置信息进行全局坐标的转换，得到全局场景信息，构建全局势能场。

8.一种基于联邦学习的分布式人群疏散路径规划系统，其特征在于，包括：局部势能场构建模块，其被配置为获取子区域的视频信息数据，构建局部势能场；

局部密度场构建模块，其被配置为基于所构建的局部势能场计算局部势能值，构建局部密度场；

确定个体速度模块，其被配置为依据所构建的局部势能场和局部密度场，确定个体的无碰撞运动速度；

全局势能场构建模块，其被配置将所构建的各个子区域的局部势能场进行聚合，构建全局势能场；

人群疏散仿真模块，其被配置为根据所构建的局部势能场和全局势能场，搭建人群疏散仿真平台，依据所得到的个体的无碰撞运动速度，进行人群疏散的模拟仿真。

9.一种计算机可读存储介质，其上存储有程序，其特征在于，该程序被处理器执行时实现如权利要求1‑7中任一项所述的基于联邦学习的分布式人群疏散路径规划方法中的步骤。

10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，其特征在于，所述处理器执行所述程序时实现如权利要求1‑7中任一项所述的基于联邦学习的分布式人群疏散路径规划方法中的步骤。