1.一种基于视频分析的地铁屏蔽门临关门乘客闯门预警方法，其特征在于，包括：步骤S1：在距离关门时间还剩T秒，按照预设帧率R连续不断的获取视场F的视频帧I1、I2、....Ii、....；

步骤S2：针对当前视频帧Ii，基于YOLOv5神经网络检测行人目标并基于Deepsort与前序视频帧中的检出目标进行关联，以实现对目标O1、O2、...、On的连续追踪，其中n为所有的行人目标的数量，通过透视变换将目标在视场F中的运动轨迹转换为对应门前区域H中的目标连续运动轨迹Tr1(t)、Tr2(t)、...Trn(t)；

步骤S3：利用行人目标O1、O2、...、On在门前区域H中的运动轨迹Tri(t)数据进行单目标闯门风险评估，计算每个目标的连续风险评估值R1(t)、R2(t)、...、Rn(t)，并综合单目标风险生成该门面临的总乘客闯门风险RH(t)；

步骤S4：基于该门面临的总乘客闯门风险RH(t)和预设的二级阈值，进行分级闯门预警处置。

2.根据权利要求1所述的一种基于视频分析的地铁屏蔽门临关门乘客闯门预警方法，其特征在于，所述步骤S1中，视场F的视频帧的采集方法包括：根据列车行车调度信号系统的时间计划，安装于屏蔽门门头的乘客闯门预警终端系统，在距离关门时间还剩T秒时开启临关门乘客闯门预警功能，系统的视频采集模块利用安装于屏蔽门正上方斜向下视角的摄像头进行视频帧的采集。

3.根据权利要求1所述的一种基于视频分析的地铁屏蔽门临关门乘客闯门预警方法，其特征在于，所述步骤S2包括：S201：对步骤S1采集的当前视频帧Ii，基于YOLOv5神经网络检测行人目标检测，检测输出O1、O2、...、On共n个行人目标，若未检测到行人目标则输出NULL；

S202：若S201输出为NULL，则循环执行S201步骤对S1输出的下一帧Ii+1进行行人目标检测操作，直到当前时刻t＝T；

若步骤S201检测到了行人目标则根据上一帧Ii‑1记录的目标检测结果进行Deepsort目标关联追踪操作，形成O1、O2、...、On个目标在视场F中的运动轨迹K1(t)、K2(t)、...Kn(t)；

S203：通过事先标定的透视变换矩阵，将K1(t)、K2(t)、...Kn(t)变换为门前区域H对应的俯视图坐标下的轨迹Tr1(t)、Tr2(t)、...Trn(t)。

4.根据权利要求1所述的一种基于视频分析的地铁屏蔽门临关门乘客闯门预警方法，其特征在于，所述步骤S3包括：S301：对所有检出并生成了运动轨迹Tri(t)的目标Oi，连续估计其运动方向与Y轴的夹角ui，门前区域H的坐标系统定义为以中线向下方向为Y轴，以H区域上边线向右方向为X轴；

S302：对所有检出并生成了运动轨迹Tri(t)的目标Oi，连续估计其运动速度的Y轴分量vi，门前区域H的坐标系统定义为以中线向下方向为Y轴，以H区域上边线向右方向为X轴；

S303：对所有检出并生成了运动轨迹Tri(t)的目标Oi，记目标Oi距离H区域底线的Y方向的距离为Di；

根据Ri(t)＝max(cos(ui),0)×max(1.5‑vi×(T‑t)/Di,0)计算当前时刻t的目标Oi闯门风险；

S304：计算该门面临的总乘客闯门风险为：RH(t)＝max(R1(t),R2(t),...,Rn(t))。

5.根根据权利要求1所述的一种基于视频分析的地铁屏蔽门临关门乘客闯门预警方法，其特征在于，所述步骤S4包括：对总乘客闯门风险RH(t)超过第一阈值Th1的一级响应，通过安装于屏蔽门上方的声光告警装置对乘客进行提醒；

对总乘客闯门风险RH(t)超过第二阈值Th2的二级响应，保持声光告警的同时，联动屏蔽门和车门控制系统以保持屏蔽门和车门开启，直至该门总乘客闯门风险RH(t)归零后再联动屏蔽门和车门控制系统关闭屏蔽门和车门，其中第二阈值Th2大于第一阈值Th1。

6.根根据权利要求5所述的一种基于视频分析的地铁屏蔽门临关门乘客闯门预警方法，其特征在于，所述步骤S4还包括：在进行一级响应或二级响应的同时记录并生成并保存乘客闯门的视频记录。

7.根根据权利要求5所述的一种基于视频分析的地铁屏蔽门临关门乘客闯门预警方法，其特征在于，第一阈值Th1为0.25，第二阈值Th2为0.5。

8.一种基于视频分析的地铁屏蔽门临关门乘客闯门预警装置，其特征在于，包括处理器及存储介质；

所述存储介质用于存储指令；

所述处理器用于根据所述指令进行操作以执行根据权利要求1至7任一项所述方法的步骤。

9.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7任一项所述方法的步骤。