1.一种基于图像识别的动火源火蔓延特征参量测量方法，其特征在于，包括以下步骤：

S1：图像采集模块从改进的动火源火蔓延试验台中采集火源运动‑蔓延双动态条件下的图像视频信息，并将图像视频信息传递至图像预处理及运动体火蔓延特征处理模块；

改进的动火源火蔓延实验平台是在原有实验台基础上加装或改造运动体使之包含带有一侧无遮挡的特殊识别色条并保证环境光照条件良好；运动体运动轨道一侧布置图像采集模块，另一侧则布置低反射率黑色背景；

S2：图像预处理与运动体火蔓延特征处理模块根据参量提取算法从云端服务器加载AI模型权重与结构文件后分析接收到的图像视频信息，并提取运动体火蔓延特征参量数据，所述火蔓延特征参量数据包含火焰区、预热区和热解区面积，高精度火焰区、预热区和热解区二值图蒙版，火蔓延热解前锋位置线及坐标，火蔓延预热区尾端位置线及坐标；

S3：将步骤S2中的火蔓延特征参量数据写入数据融合分析与AI数据集自标注模块；

S4：数据融合分析与AI数据集自标注模块根据输入的火蔓延特征参量数据信息输出火蔓延实验图像测量结果数据与带数据标注的运动体火蔓延特征辅助捕捉数据集，并将带数据标注的运动体火蔓延特征辅助捕捉数据集上传至云端服务器，由云端服务器重新训练生成重构后的AI模型权重与结构文件供图像预处理及运动体火蔓延特征处理模块下次运行时调用，所述火蔓延实验图像测量结果数据为火蔓延热解前锋和热解尾端蔓延速度、热薄型可燃物质量损失速率、火蔓延热解前锋和预热区尾端位置线及坐标以及火焰区、预热区和热解区的面积变化情况，高精度火焰区、预热区和热解区的黑白二值图；

步骤S4的云端服务器将AI数据集自标注模块生成的带数据标注的运动体火蔓延特征辅助捕捉数据集接收后将数据集随机划分为90%的训练集和10%的测试集添加至原有数据集，进行火焰区图像检测与实例分割模型训练，重构形成识别灵敏度、精准度和稳定性更优的.pt格式神经网络模型权重与结构文件供图像预处理及运动体火蔓延特征处理模块下次调用，原有数据集包含数万张含有标注的不同形态火焰图片。

2.根据权利要求1所述的一种基于图像识别的动火源火蔓延特征参量测量方法，其特征在于，步骤S2的图像预处理与运动体火蔓延特征处理模块包括图像预处理模块和运动体火蔓延特征处理模块；图像预处理模块将图像采集模块储存的图像视频信息进行格式转化、拼接、降噪后的符合标准格式的图像视频信息传递至运动体火蔓延特征处理模块；运动体火蔓延特征处理模块接收标准格式的图像视频信息后，调用内部的参量提取算法获取火源移动‑蔓延双动态条件下视频图像中所包含的火蔓延特征参量数据的测量结果，所述参量提取算法指运动体实时追踪算法、基于CNN物体检测的区域分割寻参算法、障碍物跨越补偿算法、拟合补充算法、快速轮廓抽离算法和卷积灰度算法，其中障碍物跨越补偿算法、拟合补充算法只在受限空间条件下调用。

3.根据权利要求2所述的一种基于图像识别的动火源火蔓延特征参量测量方法，其特征在于，步骤S2中的云端服务器中存有初始的AI模型权重与结构文件，由数据处理终端通过HTTP协议从云端服务器下载AI模型权重与结构文件，传递至图像预处理与运动体火蔓延特征处理模块；用户首次使用是利用初始的AI模型权重与结构文件加载神经网络，步骤S4中重构的AI模型权重与结构文件为某次实验分析结束后，用户将运行结果调整筛选之后重新打包成训练集再输入到云端服务器进行训练得到的新的AI模型权重与结构文件。

4.根据权利要求2所述的一种基于图像识别的动火源火蔓延特征参量测量方法，其特征在于，步骤S2中提取运动体火蔓延特征参量数据具体为：利用图像预处理算法生成符合后续处理需求的运动体定位参照视频文件及标准视频文件，逐帧调用运动体实时追踪算法生成和运动体相对静止的运动体捕捉框，对于受限空间动火源火蔓延实验台还应调用障碍物跨越补偿算法获取修正后的运动体捕捉框，并利用基于CNN物体检测的区域分割寻参算法、快速轮廓抽离算法和卷积灰度算法，逐帧生成火焰区、预热区和热解区面积，高精度火焰区、预热区和热解区二值图蒙版，火蔓延热解前锋位置线，火蔓延预热区尾端位置线，对于受限空间动火源火蔓延实验台还应调用拟合补充算法对预热区与热解区轮廓左边缘坐标集中的空位数据进行局部拟合补充。

5.根据权利要求3所述的一种基于图像识别的动火源火蔓延特征参量测量方法，其特征在于，步骤S3的数据融合分析与AI数据集自标注模块包括火蔓延基础数据分析模块和火蔓延AI数据集自标注模块；火蔓延基础数据分析模块根据运动体火蔓延特征处理模块输出的信息形成火蔓延热解前锋和热解尾端蔓延速度、热薄型可燃物质量损失速率、火蔓延热解前锋和预热区尾端位置线及坐标以及火焰区、预热区和热解区的面积变化情况，高精度火焰区、预热区和热解区的黑白二值图，AI数据集自标注模块生成带数据标注的运动体火蔓延特征辅助捕捉数据集上传至云端服务器。

6.一种基于图像识别的动火源火蔓延特征参量测量系统，其特征在于，包括：

改进的动火源火蔓延实验平台，用于提供实验测量平台；改进的动火源火蔓延实验平台是在原有实验台基础上加装或改造运动体使之包含带有一侧无遮挡的特殊识别色条并保证环境光照条件良好；运动体运动轨道一侧布置图像采集模块，另一侧则布置低反射率黑色背景；

图像采集模块，用于采集火源运动‑蔓延双动态条件下的图像视频信息，并将图像视频信息传递至图像预处理及运动体火蔓延特征处理模块；

图像预处理及运动体火蔓延特征处理模块，用于分析图像视频信息，并提取生成火蔓延特征参量数据信息，然后将火蔓延特征参量数据信息输入数据融合分析与AI数据集自标注模块；

数据融合分析与AI数据集自标注模块，用于输出火蔓延实验图像测量结果数据与带数据标注的运动体火蔓延特征辅助捕捉数据集，并将带数据标注的运动体火蔓延特征辅助捕捉数据集上传至云端服务器；

云端服务器，用于重新训练生成重构后的AI模型权重与结构文件供图像预处理及运动体火蔓延特征处理模块下次运行时调用；云端服务器将AI数据集自标注模块生成的带数据标注的运动体火蔓延特征辅助捕捉数据集接收后将数据集随机划分为90%的训练集和10%的测试集添加至原有数据集，进行火焰区图像检测与实例分割模型训练，重构形成识别灵敏度、精准度和稳定性更优的.pt格式神经网络模型权重与结构文件供图像预处理及运动体火蔓延特征处理模块下次调用，原有数据集包含数万张含有标注的不同形态火焰图片。

7.根据权利要求6所述的一种基于图像识别的动火源火蔓延特征参量测量系统，其特征在于，图像采集模块为单个或多个布设于隧道一侧或顶部的高分辨率摄像机，多个摄像机应共线且平行于动火源轨道轴线布置，所有图像采集模块组成的图像画幅能够覆盖运动体运动全过程。

8.根据权利要求6所述的一种基于图像识别的动火源火蔓延特征参量测量系统，其特征在于，图像预处理与运动体火蔓延特征处理模块与数据融合分析与AI数据集自标注模块储存于数据处理终端；该图像预处理与运动体火蔓延特征处理模块与数据融合分析与AI数据集自标注模块基于Opencv框架编写，能够依赖于计算机程序实现，在数据处理终端上运行。