1.一种基于人工智能的建筑施工现场安全分析方法，其特征在于，包括以下步骤：步骤A1：在建筑施工现场部署视觉采集设备，并进行多时段的场景图像数据采集，得到多时段场景图像；对多时段场景图像进行安全要素类型识别，得到安全要素类型数据；基于安全要素类型数据进行时段特征采样，得到安全要素图像变化采样数据；

步骤A2：基于安全要素图像变化采样数据进行风险关联条件相似拟合，得到不同风险因素间的风险关联条件相似拟合数据；根据风险关联条件相似拟合数据进行作业人员安全状态等量损失模拟，得到作业人员安全状态等量损失数据；

步骤A3：基于作业人员安全状态等量损失数据进行作业风险抵御能力衰退分析，得到作业风险抵御能力衰退数据；根据作业风险抵御能力衰退数据进行建筑施工现场安全恶化趋势识别，得到安全恶化趋势数据；

步骤A4：基于时序预测算法对安全恶化趋势数据进行施工现场安全分析模型构建，得到施工现场安全分析模型；将施工现场安全分析模型发送至云端平台，以执行建筑施工现场的安全分析。

2.根据权利要求1所述的基于人工智能的建筑施工现场安全分析方法，其特征在于，步骤A1包括以下步骤：步骤A11：在建筑施工现场部署视觉采集设备，并进行多时段的场景图像数据采集，得到多时段场景图像；

步骤A12：对多时段场景图像进行时序变化特征分析，得到多时段变化特征场景图像；

步骤A13：对多时段变化特征场景图像进行安全要素类型识别，得到安全要素类型数据；

步骤A14：基于安全要素类型数据对多时段变化特征场景图像进行时段特征采样，得到安全要素图像变化采样数据。

3.根据权利要求1所述的基于人工智能的建筑施工现场安全分析方法，其特征在于，步骤A2包括以下步骤：步骤A21：对安全要素图像变化采样数据进行不同风险因素间的状态变化分析，得到不同风险因素间的状态变化数据；

步骤A22：基于不同风险因素间的状态变化数据进行风险关联强度耦合，得到不同风险因素间的风险关联强度耦合数据；

步骤A23：对风险关联强度耦合数据进行不同风险因素间的危害耦合释放指数计算，得到不同风险因素间的危害耦合释放指数；

步骤A24：根据危害耦合释放指数和风险关联强度耦合数据进行作业人员安全状态等量损失模拟，得到作业人员安全状态等量损失数据。

4.根据权利要求3所述的基于人工智能的建筑施工现场安全分析方法，其特征在于，步骤A24包括以下步骤：步骤A241：对危害耦合释放指数进行释放滞后性分析，得到危害释放滞后数据；

步骤A242：对风险关联强度耦合数据进行不同风险因素间的环境参数容差计算，得到不同风险因素间的风险转换环境参数容差；

步骤A243：基于风险转换环境参数容差对风险关联强度耦合数据进行不同风险因素间的作业行为模式变化仿真模拟，得到不同风险因素间的作业行为模式变化数据；

步骤A244：根据危害释放滞后数据和危害耦合释放指数进行危害释放非线性梯度分析，得到危害释放非线性梯度数据；

步骤A245：基于作业行为模式变化数据和危害释放非线性梯度数据进行风险危害因子渗透强化等量梯度评估，将作业行为模式变化数据中作业人员的失误行为概率与危害释放非线性梯度数据中的危害释放强度进行耦合分析，通过建立评估模型，将这两类数据进行加权计算，得到风险危害渗透强化等量数据；

步骤A246：根据风险危害渗透强化等量数据进行作业人员安全状态等量损失模拟，得到作业人员安全状态等量损失数据。

5.根据权利要求1所述的基于人工智能的建筑施工现场安全分析方法，其特征在于，步骤A3包括以下步骤：步骤A31：对作业人员安全状态等量损失数据进行损失卷积处理，得到作业人员安全状态等量损失卷积数据；

步骤A32：基于作业人员安全状态等量损失卷积数据进行作业风险抵御能力衰退分析，得到作业风险抵御能力衰退数据；

步骤A33：根据作业风险抵御能力衰退数据进行建筑施工现场安全恶化趋势识别，得到安全恶化趋势数据。

6.根据权利要求1所述的基于人工智能的建筑施工现场安全分析方法，其特征在于，步骤A4包括以下步骤：步骤A41：对安全恶化趋势数据进行逻辑学习处理，得到安全恶化趋势逻辑数据；

步骤A42：基于时序预测算法对作业风险抵御能力衰退数据和安全恶化趋势逻辑数据进行施工现场安全分析模型构建，得到施工现场安全分析模型；

步骤A43：将施工现场安全分析模型发送至云端平台，以执行建筑施工现场的安全分析。

7.根据权利要求6所述的基于人工智能的建筑施工现场安全分析方法，其特征在于，步骤A42包括以下步骤：步骤A421：对作业风险抵御能力衰退数据进行特征维度扩展，得到扩展维度衰退数据；

步骤A422：对安全恶化趋势逻辑数据进行时序关联验证，得到验证关联逻辑数据；

步骤A423：基于时序预测算法对扩展维度衰退数据和验证关联逻辑数据进行模型参数初始化，得到初始化安全分析模型；

步骤A424：对初始化安全分析模型进行迭代训练优化，得到施工现场安全分析模型。

8.根据权利要求7所述的基于人工智能的建筑施工现场安全分析方法，其特征在于，步骤A424包括以下步骤：步骤A4241：对初始化安全分析模型进行预测误差计算，得到模型预测误差数据；

步骤A4242：基于模型预测误差数据进行模型参数调整，得到调整参数安全分析模型；

步骤A4243：对调整参数安全分析模型进行历史数据验证，得到验证通过安全分析模型；

步骤A4244：对验证通过安全分析模型进行实时数据校准，得到施工现场安全分析模型。

9.根据权利要求6所述的基于人工智能的建筑施工现场安全分析方法，其特征在于，步骤A43包括以下步骤：步骤A431：对施工现场安全分析模型进行云端接口配置，得到配置接口安全分析模型；

步骤A432：将配置接口安全分析模型与现场采集设备进行数据同步，得到同步数据安全分析模型；

步骤A433：基于同步数据安全分析模型执行建筑施工现场的实时安全检测，输出安全分析结果。

10.根据权利要求2所述的基于人工智能的建筑施工现场安全分析方法，其特征在于，步骤A11包括以下步骤：步骤A111：对建筑施工现场进行功能区域划分，确定作业操作区、物料堆放区和通行通道区；

步骤A112：在作业操作区部署动态追踪摄像头，在物料堆放区部署广角监控设备，在通行通道区部署红外感应摄像头；

步骤A113：对部署的视觉采集设备进行位置调试，包括水平角度校正、垂直高度调整和视野覆盖范围确认，得到调试完成的视觉采集设备；

步骤A114：启动调试完成的视觉采集设备，按照早中晚三个时段进行场景图像数据采集，得到多时段场景图像。