1.一种基于AI的智能楼宇监控系统，其特征在于，包括：

阳台图像采集模块，其用于采集阳台图像；

阳台图像包括：阳台正面图像和阳台侧面图像；

阳台图像检测模块，其用于输入阳台图像到目标检测模型，结合图形处理工具输出阳台检测图像；分别输入阳台正面图像和阳台侧面图像到目标检测模型，输出目标物体的边界框、目标物体的类别、目标物体的置信度，通过图形处理工具在阳台正面图像和阳台侧面图像上绘制目标物体的边界框，标记目标物体的类别，调整边界框的透明度反映目标物体的置信度，输出阳台正面检测图像和阳台侧面检测图像；

阳台检测图像序列生成模块，其用于基于阳台检测图像生成阳台检测图像序列；

阳台检测图像序列表示为：A＝{A1…An}，其中An表示第n个序列单元并表示第n秒的阳台检测图像， 其中 分别表示第n秒的阳台正面检测图像和阳台侧面检测图像；

阳台环境数据采集模块，其用于采集阳台环境数据；

环境数据包括：温度、湿度、风速、风向；

阳台环境特征提取模块，其用于基于阳台环境数据提取阳台环境特征；

阳台环境特征表示为：X＝{X1…Xn}，其中Xn表示第n个序列单元并表示第n秒的阳台环境数据，其中Xn＝{x1…x4}，其中x1…x4分别表示温度值、湿度值、风速值、风向值；

阳台坠物风险等级预测模块，其用于输入阳台检测图像序列和阳台环境特征到阳台坠物风险等级预测模块，输出阳台检测图像的坠物风险等级；

阳台坠物风险等级预测模块包括：第一隐藏层、特征向量拼接器、第二隐藏层；

第一隐藏层的6个通道分别输入一个阳台检测图像序列单元的阳台正面检测图像的三颜色通道图像和阳台侧面检测图像的三颜色通道图像，输出阳台检测图像矩阵；

特征向量拼接器将阳台检测图像矩阵进行向量化，并和阳台环境特征进行向量拼接获取混合特征；

第二隐藏层输入混合特征序列，输出连接一个分类器，分类器输出第二隐藏层输入的混合特征序列对应的阳台的坠物风险等级；

混合特征序列表示为：Y＝{Y1…Yn}，其中Yn表示Tn与Xn的向量拼接，Tn表示An输入第一隐藏层输出的阳台检测图像矩阵向量化的结果，Xn表示阳台环境特征的第n个序列单元。

2.根据权利要求1所述的一种基于AI的智能楼宇监控系统，其特征在于，通过无人机搭载摄像头拍摄阳台正面图像和阳台侧面图像。

3.根据权利要求1所述的一种基于AI的智能楼宇监控系统，其特征在于，目标物体的类别表示为：Q＝{q1…q6}，其中q1…q6分别表示摆件、玩具、晾衣架、鸟、气球、塑料袋。

4.根据权利要求1所述的一种基于AI的智能楼宇监控系统，其特征在于，风向值属于风向集合，风向集合表示为：C＝{C1…C8}，其中C1…C8的元素分别表示风向为北风、东北风、东风、东南风、南风、西南风、西风、西北风，C1…C8通过一个实数表示。

5.根据权利要求1所述的一种基于AI的智能楼宇监控系统，其特征在于，第二隐藏层可以是循环神经网络模型。

6.根据权利要求5所述的一种基于AI的智能楼宇监控系统，其特征在于，循环神经网络模型的第t个时间步的隐藏状态的计算公式如下：ht＝f(Wxxt+Whht‑1+bh)

其中，ht表示第t个时间步的隐藏状态，xt表示混合特征序列的第t个序列单元，Wx表示输入权重矩阵，ht‑1表示上一个时间步的隐藏状态，Wh表示隐藏状态权重矩阵，bh表示隐藏状态偏置参数，f表示激活函数；

循环神经网络模型的第t个时间步的输出状态的计算公式如下：

yt＝g(Wyht+by)

其中，yt表示第t个时间步的输出状态，ht表示第t个时间步的隐藏状态，Wy表示输出权重矩阵，by表示输出状态偏置参数，g表示激活函数。

7.根据权利要求6所述的一种基于AI的智能楼宇监控系统，其特征在于，循环神经网络模型的第t个时间步的隐藏状态的计算公式的f和循环神经网络模型的第t个时间步的输出状态的计算公式的g表示激活函数，其中f表示sigmoid激活函数，g表示ReLU激活函数。

8.根据权利要求1所述的一种基于AI的智能楼宇监控系统，其特征在于，第二隐藏层可以是LSTM模型，包括串联的n个LSTM(长短时记忆神经网络)单元，分别输入混合特征序列的n个序列单元。

9.根据权利要求1所述的一种基于AI的智能楼宇监控系统，其特征在于，坠物风险等级表示为：P＝{P1…P4}，其中P1…P4分别表示高级风险、中级风险、低级风险、无风险。