1.一种基于RGB视频监控的ICU患者自拔管行为预警方法，其特征在于，包括以下步骤：S1、获取RGB深度摄像头采集到的ICU患者自拔管行为视频序列数据；视频数据包括ICU患者自拔管行为的三个阶段：倾向阶段、意图阶段以及拔管阶段；

S2、对S1采集到的ICU监控视频进行等间隔长度裁剪，并根据专业医护人员的建议对裁剪后的视频段进行标签标注形成ICU患者自拔管行为数据集；该数据集包括四类人体行为：患者无运动状态类、患者无拔管倾向动作类、患者有拔管倾向动作类、患者周围有医护人员类；

S3、基于PyTorch深度学习框架构建C3D卷积神经网络模型，利用公共行为识别数据集UCF101对其进行训练，获得基于该行为识别数据集的预训练模型；基于迁移学习的方法，利用S2构建的ICU患者自拔管行为数据集对预训练模型进行训练，得到基于神经网络的ICU场景下患者自拔管预警分类模型，以用于对视频图像纹理特征进行分析并输出分析结果；

从ICU患者自拔管行为数据集中提取病床感兴趣区域，基于L‑K稀疏光流算法对患者运动行为进行跟踪，从跟踪到的患者运动行为中提取三类轻量型患者运动特征算子，三类轻量型患者运动特征算子包括光流角点数目特征、轨迹距离特征以及小波变化特征；并将上述三类轻量型患者运动特征算子作为光流行为特征信息输入至支持向量机进行分类训练，得到基于光流行为特征的ICU场景下患者自拔管预警分类模型预警，以用于对患者自拔管光流行为特征进行分类并输出分类结果；

S4、采用最大池化的方式对视频图像纹理分析结果和光流行为特征分类结果进行融合，将融合后的特征作为输出搭建双流ICU场景患者自拔管预警模型；

S5、实时采集RGB视频序列数据，利用S5D搭建的ICU患者自拔管预警分类模型以等时间间隔对视频序列进行处理测试，得到各时刻的ICU患者人体行为动作识别分类结果，根据分类结果对自拔管危险行为实时发出预警。

2.根据权利要求1所述的一种基于RGB视频监控的ICU患者自拔管行为预警方法，其特征在于：所述S3利用YOLO v3目标检测算法检测提取病床感兴趣区域。

3.根据权利要求1或2所述的一种基于RGB视频监控的ICU患者自拔管行为预警方法，其特征在于：所述S3通过如下步骤提取三类轻量型患者运动特征算子：(1)、提取用于表示动作时间维度的光流角点数目特征：

(1.1)、设M代表基于L‑K稀疏光流算法得到的每帧角点数目， 代表第t帧第i个角点位置坐标信息，则当前帧第i个角点状态信息 按以下公式确定：其中，d代表决策阈值；当上式中代表当前邻接帧的相同角点坐标变换大于d时，此时的状态信息置为0，即移除当前角点，可获得每帧的角点数目特征N(t)；

(1.2)、按照(1.1)的计算出视频的最后一帧T的角点数目N(T)，并将其作为光流角点数目特征；

(2)、提取用于表示动作空间维度的轨迹距离特征：

(2.1)、将(1.2)得到的光流角点数目特征N(T)作为基准，计算出相邻帧间的角点轨迹长度s(t)：(2.2)、求取当前视频序列中所有s(t)平均值，并将其作为当前视频序列的轨迹距离特征S：(3)提取用于表示动作空时维度的小波变换特征：

(3.1)、对光流角点数目特征N(t)按照如下公式进行小波变换，得到不同时刻的光流角点数目的空间/频率成分WT(α,τ)：其中，α代表尺度因子来控制小波函数φ的扩展和收缩，τ代表平移因子来控制小波函数φ的平移量；

(3.2)在时间维度上对(3.1)得到的WT(α,τ)进行相加，求得表示动作的空时特征W(α)：