1.一种食品安全的智能评定方法，其特征在于，所述方法包括：获取后厨区域的监控视频和传感器网络采集的环境参数；

确定所述监控视频中的目标活动区域；

当所述目标活动区域的面积大于第一阈值时，或所述目标活动区域的面积小于第一阈值大于第二阈值且运动速度大于速度阈值时，或所述目标活动区域满足预设形状特征时，将对应的视频帧标记为候选关键帧；

计算所述候选关键帧与上一关键帧之间的相似度；

当所述相似度小于相似度阈值时，将所述候选关键帧确定为关键帧；

将所述关键帧按时间顺序排列形成关键帧序列；

计算所述关键帧序列中的相邻关键帧图像的像素差值，得到像素变化区域；

统计各所述关键帧图像中的运动矢量，通过对运动矢量的方向和幅值进行聚类分析，得到具有相似运动特征的连续区域作为运动区域；

将所述像素变化区域和所述运动区域进行合并，得到目标区域；

基于最小外接矩形框选所述目标区域，得到各关键帧图像对应的至少一个关键区域，所述关键区域是指在关键帧图像中通过目标检测算法框选出的包含操作人员或者虫鼠出没或者像素变化的区域；

对所述环境参数和各所述关键区域进行异常检测，得到异常事件；

基于各所述异常事件计算所述后厨区域的食品安全总评分，并根据所述食品安全总评分生成所述后厨区域的食品安全等级。

2.根据权利要求1所述的食品安全的智能评定方法，其特征在于，所述获取后厨区域的监控视频和传感器网络采集的环境参数，包括：获取所述后厨区域的当前光照强度；

基于所述当前光照强度确定摄像头的视频采集参数，所述视频采集参数包括采样帧率、分辨率以及曝光参数；

根据所述后厨区域的历史环境参数，确定传感器网络中各传感器的采样频率；

获取所述摄像头按照所述视频采集参数采集得到的监控视频，以及所述传感器网络按照所述采样频率采集得到的环境参数。

3.根据权利要求1所述的食品安全的智能评定方法，其特征在于，所述对所述环境参数和各所述关键区域进行异常检测，得到异常事件，包括：将所述环境参数中超出对应预设范围的参数标记为环境异常事件，所述环境参数至少包括温度、湿度和有害气体浓度；

提取各所述关键区域中目标人员的关键特征，并将所述关键特征不符合预设的人员入厨规范的人员标记为人员异常事件，所述关键特征至少包括人脸信息特征以及人员着装特征；

提取所述关键区域的运动目标的轨迹特征，将符合预设特征模板的运动目标标记为虫鼠异常事件。

4.根据权利要求1所述的食品安全的智能评定方法，其特征在于，所述基于各所述异常事件计算所述后厨区域的食品安全总评分，并根据所述食品安全总评分生成所述后厨区域的食品安全等级，包括：统计预设时间段内各所述异常事件的发生次数，以及各类异常事件的持续时间；

根据各类异常事件的发生次数、持续时间以及对应的权重系数，计算各所述异常事件的扣分值；

将各所述异常事件的扣分值从初始分值中扣除，得到食品安全总评分；

基于预设的评分区间，确定所述食品安全总评分对应的食品安全等级。

5.一种食品安全的智能评定系统，其特征在于，所述系统包括：数据获取模块，用于获取后厨区域的监控视频和传感器网络采集的环境参数；

视频处理模块，用于确定所述监控视频中的目标活动区域；当所述目标活动区域的面积大于第一阈值时，或所述目标活动区域的面积小于第一阈值大于第二阈值且运动速度大于速度阈值时，或所述目标活动区域满足预设形状特征时，将对应的视频帧标记为候选关键帧；计算所述候选关键帧与上一关键帧之间的相似度；当所述相似度小于相似度阈值时，将所述候选关键帧确定为关键帧；将所述关键帧按时间顺序排列形成关键帧序列；计算所述关键帧序列中的相邻关键帧图像的像素差值，得到像素变化区域；统计各所述关键帧图像中的运动矢量，通过对运动矢量的方向和幅值进行聚类分析，得到具有相似运动特征的连续区域作为运动区域；将所述像素变化区域和所述运动区域进行合并，得到目标区域；基于最小外接矩形框选所述目标区域，得到各关键帧图像对应的至少一个关键区域，所述关键区域是指在关键帧图像中通过目标检测算法框选出的包含操作人员或者虫鼠出没或者像素变化的区域；

异常检测模块，用于对所述环境参数和各所述关键区域进行异常检测，得到异常事件；

等级评定模块，用于基于各所述异常事件计算所述后厨区域的食品安全总评分，并根据所述食品安全总评分生成所述后厨区域的食品安全等级。

6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有多条指令，所述指令适用于由处理器加载并执行如权利要求1‑4任意一项所述的方法。

7.一种电子设备，其特征在于，包括处理器、存储器、用户接口及网络接口，所述存储器用于存储指令，所述用户接口和所述网络接口用于给其他设备通信，所述处理器用于执行所述存储器中存储的指令，以使所述电子设备执行如权利要求1‑4任意一项所述的方法。