1.一种建筑信息化数据的采集方法，其特征在于，包括：

提取到待分析建筑物对应的原始图像集合，并将所述原始图像集合进行拆分，以形成所述原始图像集合对应的多个原始图像子集合；

分别将每一个所述原始图像子集合标记为待分析图像序列，以及，提取到所述待分析图像序列对应的建筑物浅层关键信息，所述待分析图像序列包括所述待分析建筑物对应的多帧待分析建筑物图像；

通过目标图像分析神经网络，挖掘出所述待分析图像序列对应的建筑物深层关键信息；

通过所述目标图像分析神经网络，依据所述建筑物浅层关键信息和所述建筑物深层关键信息，分析出所述待分析图像序列对应的图像异常分析数据，所述图像异常分析数据用于反映所述待分析图像序列包括的待分析建筑物图像是否存在异常图像或具有的图像异常程度；

基于所述图像异常分析数据，对所述多个原始图像子集合进行筛选，以在所述原始图像集合中采集到目标建筑物图像。

2.如权利要求1所述的建筑信息化数据的采集方法，其特征在于，所述建筑信息化数据的采集方法，还包括：提取到示例性建筑物图像序列，所述示例性建筑物图像序列的图像帧数不超过预先配置的参考图像帧数，所述示例性建筑物图像序列具有图像异常标注数据，所述示例性建筑物图像序列包括第一数量个建筑物图像子序列，所述第一数量个建筑物图像子序列中的每一个建筑物图像子序列包括相邻的一帧示例性建筑物图像；

依据目标序列长度，将所述第一数量个建筑物图像子序列进行滑窗分割处理，以输出所述示例性建筑物图像序列对应的多个示例性图像子序列，每一个所述示例性图像子序列包括所述第一数量个建筑物图像子序列中相邻的至少一个建筑物图像子序列；

依据所述示例性建筑物图像序列，将初始图像分析神经网络进行初始优化处理，以形成中间图像分析神经网络；

通过所述中间图像分析神经网络，将所述多个示例性图像子序列进行图像异常分析，以及，基于所述中间图像分析神经网络对于所述多个示例性图像子序列具有的分析可靠度，在所述多个示例性图像子序列中，确定出第一示例性图像子序列；

依据所述示例性建筑物图像序列和所述第一示例性图像子序列，将所述中间图像分析神经网络进行网络优化处理，以形成所述中间图像分析神经网络对应的目标图像分析神经网络。

3.如权利要求2所述的建筑信息化数据的采集方法，其特征在于，所述建筑信息化数据的采集方法，还包括：对所述示例性建筑物图像序列进行帧间对比分析，以确定出所述示例性建筑物图像序列中的帧间差异标识信息，在所述帧间差异标识信息对应的序列位置中，该序列位置对应的两帧示例性建筑物图像之间的图像相似度小于或等于预先配置的参考图像相似度；

依据所述帧间差异标识信息，对所述示例性建筑物图像序列进行分割处理，以形成所述第一数量个建筑物图像子序列。

4.如权利要求2所述的建筑信息化数据的采集方法，其特征在于，所述多个示例性图像子序列中的每一个示例性图像子序列依次标记为待处理图像子序列，所述待处理图像子序列具备图像异常标注数据，所述中间图像分析神经网络分析出的所述待处理图像子序列的图像异常评估数据包括所述待处理图像子序列对应的图像异常表征数据和对于该图像异常表征数据具有的评估可能性参数，所述图像异常表征数据用于反映是否存在异常图像或具有的图像异常程度；

所述基于所述中间图像分析神经网络对于所述多个示例性图像子序列具有的分析可靠度，在所述多个示例性图像子序列中，确定出第一示例性图像子序列的步骤，包括：在所述待处理图像子序列对应的图像异常表征数据和所述待处理图像子序列对应的图像异常标注数据一致的情况下，以及，在对于所述待处理图像子序列具有的评估可能性参数不小于预先配置的参考评估可能性参数的情况下，将所述中间图像分析神经网络确定为对所述待处理图像子序列具有分析可靠度，以及，将所述待处理图像子序列进行标记，以作为第一示例性图像子序列。

5.如权利要求2所述的建筑信息化数据的采集方法，其特征在于，所述多个示例性图像子序列中的每一个示例性图像子序列依次标记为待处理图像子序列，所述待处理图像子序列具备图像异常标注数据，所述中间图像分析神经网络分析出的所述待处理图像子序列对应的图像异常评估数据包括所述待处理图像子序列对应的图像异常表征数据，所述图像异常表征数据用于反映是否存在异常图像或具有的图像异常程度；

所述基于所述中间图像分析神经网络对于所述多个示例性图像子序列具有的分析可靠度，在所述多个示例性图像子序列中，确定出第一示例性图像子序列的步骤，包括：在所述待处理图像子序列对应的图像异常表征数据和所述待处理图像子序列对应的图像异常标注数据一致的情况，将所述中间图像分析神经网络确定为对所述待处理图像子序列具备分析可靠度，以及，对所述待处理图像子序列进行标记处理，形成第一示例性图像子序列。

6.如权利要求2所述的建筑信息化数据的采集方法，其特征在于，所述示例性建筑物图像序列和所述第一示例性图像子序列中的每一个图像序列或图像子序列依次标记为网络优化用数据；

所述依据所述示例性建筑物图像序列和所述第一示例性图像子序列，将所述中间图像分析神经网络进行网络优化处理，以形成所述中间图像分析神经网络对应的目标图像分析神经网络的步骤，包括：提取到所述网络优化用数据具有的示例性建筑物浅层关键信息；

通过所述中间图像分析神经网络，挖掘出所述网络优化用数据对应的示例性建筑物深层关键信息；

通过所述中间图像分析神经网络，依据所述示例性建筑物浅层关键信息和所述示例性建筑物深层关键信息，分析出所述网络优化用数据对应的图像异常评估数据；

依据所述网络优化用数据对应的图像异常评估数据和所述网络优化用数据具有的图像异常标注数据，分析出所述中间图像分析神经网络对应的图像异常分析代价值；

依据所述图像异常分析代价值，对所述中间图像分析神经网络进行网络优化处理，以形成对应的目标图像分析神经网络。

7.如权利要求6所述的建筑信息化数据的采集方法，其特征在于，所述示例性建筑物浅层关键信息包括：所述网络优化用数据中示例性建筑物图像具有的建筑物构件对应的建筑物构件关键信息，所述建筑物构件关键信息基于对所述网络优化用数据中各示例性建筑物图像具有的建筑物构件的类型占比信息进行挖掘形成，所述建筑物构件关键信息的表现形式包括向量；

所述网络优化用数据中建筑物图像子序列的图像累计关键信息，所述图像累计关键信息基于对所述建筑物图像子序列包括的示例性建筑物图像的图像帧数、图像数据量进行挖掘形成，所述图像累计关键信息的表现形式包括向量；和/或所述网络优化用数据中示例性建筑物图像具有的建筑物构件中的主要建筑物构件的构件累计关键信息，所述构件累计关键信息基于对所述网络优化用数据中各示例性建筑物图像具有的建筑物构件的构件数量、构件类型数量进行挖掘形成，所述构件累计关键信息的表现形式包括向量。

8.一种建筑信息化数据的采集系统，其特征在于，包括：

原始图像处理模块，用于提取到待分析建筑物对应的原始图像集合，并将所述原始图像集合进行拆分，以形成所述原始图像集合对应的多个原始图像子集合；

关键信息提取模块，用于分别将每一个所述原始图像子集合标记为待分析图像序列，以及，提取到所述待分析图像序列对应的建筑物浅层关键信息，所述待分析图像序列包括所述待分析建筑物对应的多帧待分析建筑物图像；

关键信息挖掘模块，用于通过目标图像分析神经网络，挖掘出所述待分析图像序列对应的建筑物深层关键信息；

异常分析模块，用于通过所述目标图像分析神经网络，依据所述建筑物浅层关键信息和所述建筑物深层关键信息，分析出所述待分析图像序列对应的图像异常分析数据，所述图像异常分析数据用于反映待分析图像序列包括的待分析建筑物图像是否存在异常图像或具有的图像异常程度；

图像采集模块，用于基于所述图像异常分析数据，对所述多个原始图像子集合进行筛选，以在所述原始图像集合中采集到目标建筑物图像。

9.如权利要求8所述的建筑信息化数据的采集系统，其特征在于，所述建筑信息化数据的采集系统还包括：示例性图像提取模块，用于提取到示例性建筑物图像序列，所述示例性建筑物图像序列的图像帧数不超过预先配置的参考图像帧数，所述示例性建筑物图像序列具有图像异常标注数据，所述示例性建筑物图像序列包括第一数量个建筑物图像子序列，所述第一数量个建筑物图像子序列中的每一个建筑物图像子序列包括相邻的一帧示例性建筑物图像；

滑窗分割处理模块，用于依据目标序列长度，将所述第一数量个建筑物图像子序列进行滑窗分割处理，以输出所述示例性建筑物图像序列对应的多个示例性图像子序列，每一个所述示例性图像子序列包括所述第一数量个建筑物图像子序列中相邻的至少一个建筑物图像子序列；

初始优化处理模块，用于依据所述示例性建筑物图像序列，将初始图像分析神经网络进行初始优化处理，以形成中间图像分析神经网络；

子序列确定模块，用于通过所述中间图像分析神经网络，将所述多个示例性图像子序列进行图像异常分析，以及，基于所述中间图像分析神经网络对于所述多个示例性图像子序列具有的分析可靠度，在所述多个示例性图像子序列中，确定出第一示例性图像子序列；

网络优化处理模块，用于依据所述示例性建筑物图像序列和所述第一示例性图像子序列，将所述中间图像分析神经网络进行网络优化处理，以形成所述中间图像分析神经网络对应的目标图像分析神经网络。

10.如权利要求9所述的建筑信息化数据的采集系统，其特征在于，所述建筑信息化数据的采集系统还包括：帧间对比分析模块，用于对所述示例性建筑物图像序列进行帧间对比分析，以确定出所述示例性建筑物图像序列中的帧间差异标识信息，在所述帧间差异标识信息对应的序列位置中，该序列位置对应的两帧示例性建筑物图像之间的图像相似度小于或等于预先配置的参考图像相似度；

分割处理模块，用于依据所述帧间差异标识信息，对所述示例性建筑物图像序列进行分割处理，以形成所述第一数量个建筑物图像子序列。