1.一种基于视频监控的智慧城市公共安全管理系统，其特征在于：包括数据采集分析模块、行为特征提取模块、风险预测模块、动态决策模块、执行反馈模块和迭代优化模块；

数据采集分析模块通过API接口实时采集原始视频数据流和实时道路数据集合D，通过集成原始视频数据流内人群密度CD和个体移动速度矢量V获取时序特征矩阵TSM，通过分析实时道路数据集合D获取道路拥挤系数Ck；

行为特征提取模块在各本地节点对时序特征矩阵TSM进行分析，提取人群密度分布系数CDM、移动方向一致性系数MDC及异常行为系数ABFV，生成同态加密的实时行为特征数据集合FV并和道路拥挤系数Ck以密文形式传输至中心节点；

风险预测模块接收各节点的加密实时行为特征数据集合FV，根据实时行为特征数据集合FV的数据，通过联邦学习建立跨区域风险预测算法，计算跨区域风险指数RRI并与预设的风险阈值范围T对比，执行安全管理方案；

动态决策模块基于跨区域风险指数RRI和道路拥挤系数Ck建立动态资源调度算法并生成资源调度方案发送至执勤单位；

执行反馈模块通过量化资源调度方案的执行效果，获取反馈效果评估并生成反馈数据集F；

迭代优化模块基于反馈数据集F优化跨区域风险预测算法和动态资源调度算法。

2.根据权利要求1所述的一种基于视频监控的智慧城市公共安全管理系统，其特征在于：数据采集分析模块包括数据流采集单元和数据分析单元；

数据流采集单元通过API调用兼容不同终端的通信协议，接入城市各区域的公共视频监控终端，获取原始视频流；

通过API调用城市交通管理平台与车载GPS数据，获取监控所在辖区内的道路最大交通流量max（Tf）、道路实时交通流量RTf、道路历史车辆平均行驶速度Hv及道路实时车辆平均行驶速度Rv，得到实时道路数据集合D。

3.根据权利要求2所述的一种基于视频监控的智慧城市公共安全管理系统，其特征在于：数据分析单元通过对原始视频流和实施道路数据集合D进行分析，获取时序特征矩阵TSM和道路拥挤系数Ck；

使用YOLOv8目标检测算法，对原始视频流逐帧识别人员边界框Bi，统计单位面积内人数，计算视频区域内人群密度CD，采用改进光流算法跟踪人员位移，计算个体移动速度矢量V；

集成原始视频流内人群密度CD和个体移动速度矢量V，获取视频区域的时序特征矩阵TSM；

基于实时道路数据集合D分析，获取道路拥挤系数Ck，道路拥挤系数Ck分析表达式如下：；

式中，η表示道路实时交通流量RTf与道路最大交通流量max（Tf）比值的贡献权重系数，ι表示道路实时车辆平均行驶速度Rv与道路历史车辆平均行驶速度Hv比值的贡献权重系数。

4.根据权利要求3所述的一种基于视频监控的智慧城市公共安全管理系统，其特征在于：行为特征提取模块包括行为特征分析单元和数据处理单元；

行为特征分析单元通过在各本地节点对时序特征矩阵TSM进行行为特征提取与加密，将时序特征矩阵TSM转化为人群密度分布系数CDM、移动方向一致性系数MDC、异常行为系数ABFV；

其中，人群密度分布系数CDM分析表达式如下：

；

式中，（x，y）表示的视频像素坐标，（xi，yi）表示检测到的第i个人的人体坐标，N表示检测到的总人数，π表示常数3.14，σ表示预设的高斯核带宽，e表示自然常数；

通过分析个体移动速度矢量V，获取个体移动方向角度θ，移动方向一致性系数MDC分析表达式如下：；

式中，θi表示第i个人的移动方向角度，θj表示第j个人的移动方向角度，且j≠i；

基于人员边界框Bi分析监控视频内存在蹲下和卧倒行为的人数，基于个体移动速度矢量V分析视频内存在静止和奔跑行为的人数，基于监控视频内蹲下、卧倒、静止及奔跑行为人数占检测到的总人数N的比例获取异常行为系数ABFV；

其中，蹲下和卧倒行为检测标准如下：

若人员边界框Bi的现高度≤人员边界框Bi的原高度的0.5倍，且人员边界框Bi的现宽度≥人员边界框Bi的原宽度的1.25倍，则判定当前检测目标处于蹲下状态；

若人员边界框Bi的现高度＞人员边界框Bi的原高度的0.5倍，且人员边界框Bi的现宽度＜人员边界框Bi的原宽度的1.25倍，则判定当前检测目标处于蹲下状态；

若人员边界框Bi的现高度≤人员边界框Bi的原高度的0.25倍，且人员边界框Bi的现宽度≥人员边界框Bi的原宽度的1.5倍，则判定当前检测目标处于卧倒状态；

若人员边界框Bi的现高度＞人员边界框Bi的原高度的0.25倍，且人员边界框Bi的现宽度＜人员边界框Bi的原宽度的1.5倍，则判定当前检测目标未处于卧倒状态；

静止和奔跑行为检测标准如下：

若个体移动速度矢量V＝0m/s时，则判定当前检测目标处于静止状态；

若个体移动速度矢量V≠0m/s时，则判定当前检测目标未处于静止状态；

若个体移动速度矢量V＞2.5m/s时，则判定当前检测目标处于奔跑状态；

若个体移动速度矢量V≤2.5m/s时，则判定当前检测目标未处于奔跑状态。

5.根据权利要求4所述的一种基于视频监控的智慧城市公共安全管理系统，其特征在于：数据处理单元通过将加密的人群密度分布系数CDM、移动方向一致性系数MDC及异常行为系数ABFV进行纵向合并，生成实时行为特征数据集合FV，将获取的实时行为特征数据集合FV和道路拥挤系数Ck进行同态加密，并以密文形式传输至中心节点。

6.根据权利要求5所述的一种基于视频监控的智慧城市公共安全管理系统，其特征在于：风险预测模块包括风险建模单元和执行单元；

风险建模单元接收来自各节点加密的实时行为特征数据集合FV，基于实时行为特征数据集合FV中的数据，通过联邦学习设计跨区域风险预测算法，获取区域k的跨区域风险指数RRIk；

其中，跨区域风险预测算法表达式如下：

；

式中，k表示区域，RRIk表示区域k的跨区域风险指数，max（CDMk）表示区域k内人群密度分布系数CDM的最大值，a表示设定的密度敏感系数，b表示设定的曲线密度阈值，α表示区域k内人群密度分布系数最大值max（CDMk）的贡献权重系数，MDCk表示区域k的移动方向一致性系数，β表示区域k的移动方向一致性系数MDCk的贡献权重系数，ABFVk表示区域k的异常行为系数，γ表示区域k异常行为系数ABFVk的贡献权重系数。

7.根据权利要求6所述的一种基于视频监控的智慧城市公共安全管理系统，其特征在于：执行单元通过区域k的跨区域风险指数RRIk与风险阈值范围T进行对比，根据对比结果执行分级响应方案；

若区域k的跨区域风险指数RRIk＜风险阈值Tmin，则仅记录当前数据作为历史参考数据；

若风险阈值Tmin≤区域k的跨区域风险指数RRIk＜风险阈值Tmax，则触发风险预警，并推送至区域k所在辖区的执勤单位和附近区域公共电子屏幕，劝告未进入区域k的人群和车辆谨慎选择路线；

若区域k的跨区域风险指数RRIk≥风险阈值Tmax，则触发风险警告，在附近区域公共电子屏幕生成提示，警告未进入区域k的人群和车辆避免进入区域k，并触发动态资源调度算法自动生成资源调度方案发送至所在辖区的执勤单位；

其中，风险阈值Tmin表示风险阈值范围T中的下限值，风险阈值Tmax表示风险阈值范围T中的上限值。

8.根据权利要求7所述的一种基于视频监控的智慧城市公共安全管理系统，其特征在于：动态决策模块包括动态资源调度决策单元；

动态资源调度决策单元基于区域k的跨区域风险指数RRIk和道路拥挤系数Ck设计动态资源调度算法，生成资源调度优选值PD；

通过调用API从城市交通管理平台获取的区域k所在辖区内执勤单位到达区域k的路径n，并通过整合路径n，组成实时候选路径集合p；

动态资源调度算法表达式如下：

；

式中，argmin表示寻找目标函数最小值的参数，pn表示候选路径集合p中的第n条路径，Spnk表示候选路径集合p中的第n条路径到达区域k的曼哈顿距离S，Rpnm表示候选路径集合p中的第n条路径上的可用资源单位m到区域k的曼哈顿距离R，t表示从风险警告开始到当前时刻的时间差，δ表示候选路径集合p中的第n条路径到达区域k的路径效率贡献权重系数，w表示候选路径集合p中的第n条路径上可用资源单位m到区域k的曼哈顿距离R的贡献权重系数，μ表示从风险警告开始到当前时刻的时间差t的贡献权重系数；

将资源调度优选值PD最小值时的参数导出并生成资源调度方案，方案内容包括所选择的候选路径集合p中的第n条路径和从选择的候选路径集合p中的第n条路径上调用的可用资源单位m，将资源调度方案发送至辖区内执勤单位。

9.根据权利要求8所述的一种基于视频监控的智慧城市公共安全管理系统，其特征在于：执行反馈模块包括反馈数据收集单元；

反馈数据收集单元通过收集资源调度方案的执行反馈数据，生成反馈数据集F，量化资源调度方案的执行效果；

其中，反馈数据集F包括响应时间RT、资源利用率RC及风险预测正确率SR；

响应时间RT表示可用资源单位m基于GPS设备获取时间戳，计算资源调度方案发送到抵达现场的时间差；

资源利用率RC表示实际到场资源数与预测需求资源数的比值；

风险预测正确率SR表示风险预测正确数与风险预测总数的比值。

10.根据权利要求8所述的一种基于视频监控的智慧城市公共安全管理系统，其特征在于：迭代优化模块包括迭代优化单元；

迭代优化单元基于反馈数据集F，动态优化跨区域风险预测算法和动态资源调度算法；

跨区域风险预测算法优化方案如下：

基于反馈数据集F中的风险预测正确率SR，若风险预测正确率SR≥95%，则判定预测结果合理，无需对跨区域风险预测算法中贡献权重系数α、β和γ进行动态调整；

若风险预测正确率SR＜95%，则判定预测结果不合理，对跨区域风险预测算法中贡献权重系数α、β和γ进行动态调整；

动态资源调度算法优化方案如下：

基于反馈数据集F中的响应时间RT和资源利用率RC；

优化方向1：若单次响应时间RT≤15分钟，则判定选择的候选路径集合p中的第n条路径合理，无需对动态资源调度算法中贡献权重系数δ、w进行动态调整；

若单次响应时间RT＞15分钟，则判定选择的候选路径集合p中的第n条路径不合理，对动态资源调度算法中贡献权重系数δ、w进行动态调整；

优化方向2：若连续三次资源利用率RC≥80%，则判定调用的可用资源单位m选择合理，无需对动态资源调度算法中贡献权重系数δ、w进行动态调整；

若连续三次内，存在一次资源利用率RC＜80%，则判定调用的可用资源单位m选择不合理，对动态资源调度算法中贡献权重系数δ、w进行动态调整。