1.一种智慧校园安全监控预测管理系统，其特征在于：包括数据采集单元、预处理单元、核心处理单元和优化设计单元，其中，数据采集单元、预处理单元、核心处理单元和优化设计单元之间信号连接；

数据采集单元用于设置视频监控点，采集获取相应的监控视频文件并发送到初步处理单元，其中，视频监控点的设置方式是先将校园划分为N个网格区域，将任一个网格区域标记为i，在网格区域i内设置a个视频监控点，通过视频参数调控模型对网格区域i内全部的视频监控点进行统一设置；

初步处理单元用于建立预处理模型，对采集的监控视频文件进行对比分析，判定监控视频文件的有效性，提取有效的监控视频文件并传输到核心处理单元；

核心处理单元用于接收有效的监控视频文件进行深度分析：

先通过图像识别技术对视频数据进行异常判定与风险预测获取异常风险，并建立能耗分析模型获取视频能耗，再建立图像参数分析模型获取监控图像精度；

进而建立变化函数分析模型，获取异常风险与监控图像精度的变化函数F1，以及视频能耗与监控图像精度的变化函数F2，通过变化函数F1与变化函数F2相结合，生成参数配置方案；

优化设计单元用于建立视频参数调控模型，对N个区域的监控视频参数分别进行动态调控，并接收参数配置方案对视频参数调控模型进行优化。

2.根据权利要求1所述的一种智慧校园安全监控预测管理系统，其特征在于：初步处理单元利用边缘计算模型，在计算机边缘设备上进行数据的预处理，建立预处理模型的具体过程为：A1：设置视频采集周期为Ts，网格区域i内有a个视频监控点，每个视频监控点采集一个监控视频文件，再将采集的a个监控视频文件输入到预处理模型中；

将任一个监控视频文件标记为Wa，提取监控视频文件Wa的视频数据，其中，视频数据包括视频时长、能耗参数和图像参数；

A2：由于视频采集周期为Ts，则视频时长＝Ts，预设图像采集频率Fs，对监控视频文件进行图像截取，获取x个图像文件，再进行对比分析，获取x个图像文件的偏差度，具体过程为：A2‑1：将图像采集周期相邻的两个图像文件进行对比分析，则x个图像文件共计进行(x‑1)次对比，将任一个图像文件标记为P1，将离图像文件P1最近的下一个图像采集周期获取的图像文件标记为P2，通过图像识别技术对比分析图像文件P1和图像文件P2，通过(x‑1)组图像文件的对比分析后，建立公式获取监控视频文件Wa的图像文件偏差度Dwa；

A2‑2：设置图像文件偏差度Dwa的有效阈值Y0：当图像文件偏差度Dwa低于有效阈值Y0，则判定监控视频文件Wa无效；反之，则判定监控视频文件Wa有效；

A3：对网格区域i内的a个监控视频文件依次进行预处理，提取其中的有效监控视频文件，并将其整合为有效监控文件组Ui，再对预处理后的监控视频文件进行传输：以网格区域为单位，将N个网格区域经预处理后整合生成的有效监控文件组，同步传输到核心处理单元再进行深度分析。

3.根据权利要求2所述的一种智慧校园安全监控预测管理系统，其特征在于：核心处理单元进行深度分析的具体过程为：B1：对网格区域i的有效监控文件组Ui的异常变化情况进行分析，判定校园安全异常情况，则生成警报提示信号，将网格区域i的警报提示信号的个数进行累计，获取网格区域i的异常累次；

B2：预设网格区域i在任一视频采集周期内的异常累次为Cs，以视频采集周期Ts为X轴，以异常累次Cs为Y轴，建立网格区域i的视频采集周期Ts‑异常累次Cs的动态曲线变化图Si；

B2‑1：建立曲线分析模型，对动态曲线进行深度分析，具体过程为：

B2‑11：先获取动态曲线Si全部点的坐标及斜率，将任一点标记为q(Xq，Yq)，获取离点q最近的点将其标记为p(Xp，Yp)，进而获取q点的斜率Kq；

B2‑12：再建立波动分析模型，求取动态曲线Si的波动系数Xσi，具体过程为：预设动态曲线Si有Ni个点，求取动态曲线Si全部点的纵坐标的平均值 进而求取曲线纵坐标的标准差σy，求取动态曲线Si全部点的斜率的平均值 进而求取曲线斜率的标准差σk，再通过曲线纵坐标标准差σy和曲线斜率标准差σk相结合，分别赋予相应的权重因子系数，建立公式获取动态曲线Si的波动系数Xσi；

B2‑13：设置异常累次Cs的阈值Ys，当动态曲线Si的纵坐标超出阈值Ys时，则提取相应的曲线片段，并将其标记为高度异常曲线片段；

B2‑13‑1：预设有Ns个高度异常曲线片段，先获取高度异常曲线片段对应的时间长度值并进行累加，再获取高度异常时间段总值Tzs；

B2‑13‑2：针对高度异常曲线片段进行分析，将任一个高度异常曲线片段标记为Sg，预设高度异常曲线片段Sg上有Ng个点，将任一点标记为m(Xm，Ym)，求取高度异常曲线片段Sg上全部点的纵坐标的平均值 进而求取高度异常曲线片段Sg的纵坐标的标准差σg；

B2‑13‑3：通过高度异常曲线片段个数Ns、高度异常时间段总值Tzs以及高度异常曲线片段Sg的纵坐标的标准差σg相结合，赋予相应的权重因子系数，建立公式获取动态曲线Si的高度异常风险系数Xyc；

B2‑14：再通过动态曲线Si的波动系数Xσi和高度异常风险系数Xyc相结合，赋予相应的权重因子系数，建立公式获取异常风险预测指数FXi。

4.根据权利要求3所述的一种智慧校园安全监控预测管理系统，其特征在于：建立能耗分析模型的具体过程为：C1：获取网格区域i内a个视频监控点处的能耗参数：

能耗参数包括视频监控点的电压和电流，标记网格区域i内任一个视频监控点为Ja，通过视频监控点Ja的电压Va和电流Ia相结合，获取视频监控点Ja的功率Pa；

C2：将视频监控点Ja的功率Pa和视频时长Ts相结合，获取视频监控点Ja在视频采集周期内的能耗Was；

C3：再通过对网格区域i内的a个视频监控点的能耗进行累加求和，获取网格区域i的综合能耗系数NHi。

5.根据权利要求4所述的一种智慧校园安全监控预测管理系统，其特征在于：建立图像参数分析模型的具体过程为：通过采集图像参数获取网格区域i的监控图像精度，图像参数包括图像帧率zl、亮度ld和像素xs，为图像帧率zl、亮度ld和像素xs分别赋予相应的权重因子系数，建立公式获取监控图像精度系数JDi。

6.根据权利要求5所述的一种智慧校园安全监控预测管理系统，其特征在于：建立变化函数分析模型的具体过程为：再构建网格区域i的能耗系数NHi与监控图像精度系数JDi的动态曲线，获取网格区域i的能耗系数NHi与监控图像精度系数JDi的变化函数F1；

进而构建网格区域i的异常风险预测指数FXi与监控图像精度系数JDi的动态曲线，获取网格区域i的异常风险预测指数FXi与监控图像精度系数JDi的变化函数F2。

7.根据权利要求6所述的一种智慧校园安全监控预测管理系统，其特征在于：生成参数配置方案的具体过程为：由于同一个网格区域i的图像精度系数相同，JDi＝NHi/F1＝F2*FXi，通过网格区域i的能耗系数NHi与监控图像精度系数JDi的变化函数F1，以及异常风险预测指数FXi与监控图像精度系数JDi的变化函数F2相结合，建立公式获取参数配置影响指数PZi；

设置参数配置影响指数PZi的标准区间，进行阈值对比并进行相应的调控设计，其中，视频采集周期为Ts，设置时间节点t将视频采集周期划分为两个阶段，在时间节点t应用视频参数调控模型对图像参数进行调控。