1.一种智能安防监控方法，其特征在于，包括以下步骤：

实时监测空气流动情况，采集声音信号和振动信号数据；

通过不同位置的风速和单点位置的风速变化，对风速数据离散程度进行分析，获得室内风速波动指数和单点风速波动指数，进一步关联形成空气流动异常系数；

当空气流动异常系数大于或等于风速波动阈值时，通过VMD算法将单点位置的声音信号和振动信号分别分解成若干个IMF分量，并进行重构；

将重构后的声音信号和振动信号融合成新信号，并与正常特征库中的正常特征信号进行比对，计算融合后的新信号与所有正常特征信号的相关度系数，将所有相关度系数中的最大值作为声振异常系数；

预先设置声振异常阈值，通过将声振异常阈值与声振异常系数进行比对，根据比对结果作出相应的措施；

将空气流动传感器所在位置标记为i，i＝1,2,…,n，n为正整数；

获取不同位置的空气流动实时数据，通过不同位置的风速，对室内风速数据的离散程度进行分析，评估室内空气流动的波动状况，获得室内风速波动指数，计算公式如下：其中，Isf表示室内风速波动指数，vi表示不同位置的风速，表示不同位置的平均风速，n表示空气流动传感器的数量；

获取单点位置不同时刻的空气流动变化数据，通过单点位置的风速变化，对单点位置的风速数据离散程度进行分析，评估单点位置空气流动的波动情况，获得单点风速波动指数，计算公式如下：其中，Psfi表示位置i的风速波动指数，T表示不同时刻的数量，t表示不同时刻的标记，表示位置i在t时刻的风速， 表示位置i的平均风速；

获取室内风速波动指数和单点风速波动指数，进一步关联形成空气流动异常系数，计算公式如下：其中，Afc表示空气流动异常系数，Isf表示室内风速波动指数，Psfi表示位置i的风速波动指数，n表示空气流动传感器的数量，k1、k2表示权重系数，0

预先设置风速波动阈值，当空气流动异常系数小于风速波动阈值时，不做任何处理，当空气流动异常系数大于或等于风速波动阈值时，获取单点风速波动指数最大值所在的单点位置，并标记为异常点；

获取异常点声音信号数据和振动信号数据，通过VMD算法将声音信号和振动信号数据分别分解成若干个IMF分量；计算每个IMF分量和原信号之间的相关系数，并将相关系数低于预设相关阈值的IMF分量剔除；将剩余的IMF分量进行重构，得到重构后的声音和振动信号；

获取重构后的声音信号和振动信号，并将重构后的声音信号和振动信号进行归一化处理，使数据映射到[0,1]范围；将重构后的声音信号和振动信号融合成新信号，新信号对应的计算公式如下：V(t′)＝X(t′)+Y(t′)

其中，V(t')表示融合后的新信号，X(t')表示重构后的声音信号，Y(t')表示重构后的振动信号，t'表示时间点；

将融合后的新信号与正常特征库中的正常特征信号进行比对，计算融合后的新信号与正常特征信号的相关度系数，将所有相关度系数中的最大值作为声振异常系数，相关度系数的计算公式如下：其中，γ表示相关度系数，t'表示时间点，m表示时间点的数量，表示融合后新信号V(t'的平均值，表示正常特征信号C(t')的平均值。

2.根据权利要求1所述的一种智能安防监控方法，其特征在于，

在安防区域的不同位置安装空气流动传感器，实时监测空气流动情况；在空气流动传感器周边布置传感器采集声音信号和振动信号以及图像数据，传感器包括声音传感器、振动传感器以及摄像头。

3.根据权利要求1所述的一种智能安防监控方法，其特征在于，

预先设置声振异常阈值，通过将声振异常阈值与声振异常系数进行比对，根据比对结果作出相应的措施，具体为：当声振异常系数大于或等于声振异常阈值时，不做任何处理；当声振异常系数小于声振异常阈值时，自动发出警报，并将采集的数据上传至存储端。

4.一种智能安防监控系统，用于实现权利要求1至3中任一项所述方法，其特征在于，包括数据收集模块、空气流动检测模块、声振信号处理模块、声振信号融合模块以及预警模块；其中，数据收集模块，在安防区域的不同位置安装空气流动传感器，实时监测空气流动情况，在空气流动传感器周边布置传感器采集声音信号和振动信号数据；

空气流动检测模块，通过不同位置的风速和单点位置的风速变化，对风速数据离散程度进行分析，获得室内风速波动指数和单点风速波动指数，将室内风速波动指数和单点风速波动指数，进一步关联形成空气流动异常系数；

声振信号处理模块，当空气流动异常系数大于或等于风速波动阈值时，获取单点风速波动指数最大值所在的单点位置，通过VMD算法将该单点位置的声音信号和振动信号分别分解成若干个IMF分量，计算每个IMF分量和原信号之间的相关系数，并将相关系数低于预设相关阈值的IMF分量剔除，将剩余的IMF分量进行重构，得到重构后的声音和振动信号；

声振信号融合模块，将重构后的声音信号和振动信号进行归一化处理，并融合成新信号，将融合后的新信号与正常特征库中的正常特征信号进行比对，计算融合后的新信号与所有正常特征信号的相关度系数，将所有相关度系数中的最大值作为声振异常系数；

预警模块，预先设置声振异常阈值，通过将声振异常阈值与声振异常系数进行比对，根据比对结果作出相应的措施。