1.一种面向智能监测的监控视频高效压缩方法，其特征在于，所述方法包括：

对第一监控视频进行视觉识别，得到视觉识别信息，其中，所述视觉识别信息用于识别视频帧中对应预设的监控目标的区域；

对所述视觉识别信息进行分析，得到每一所述视频帧中的每一像素点的目标变动概率，其中，所述目标变动概率用于指示：对应像素点为对应视频帧中构成所述监控目标的若干像素点中一个像素点的概率；

根据每一所述视频帧中的每一像素点的目标变动概率，对每一所述视频帧对应的多个初始宏块的尺寸分别进行调整，得到每一所述视频帧对应的多个调整宏块，其中，对应同一视频帧的多个调整宏块的数量小于或等于相对应的多个初始宏块的数量，所述目标变动概率和覆盖对应像素点的调整宏块的尺寸呈负相关关系；

根据每一所述视频帧对应的多个调整宏块，对所述多个视频帧分别进行视频压缩，得到第二监控视频，其中，所述第二监控视频的视频帧中对应预设的监控目标的区域的压缩率小于背景区域的压缩率，所述背景区域为视频帧中除对应预设的监控目标的区域之外的其他区域；其中，所述对第一监控视频进行视觉识别，得到视觉识别信息，包括：以所述监控目标作为检测目标，对所述第一监控视频包括的多个视频帧分别进行目标检测，得到多个检测信息，其中，所述多个检测信息和所述多个视频帧一一对应，所述检测信息用于指示对应的视频帧中的n个检测框，n为非负整数；

根据所述多个检测信息进行目标追踪，得到多个追踪信息，其中，所述多个追踪信息和所述第一监控视频对应的多个监控时刻一一对应，所述追踪信息用于指示对应监控时刻下的视频帧中的m个目标框，所述目标框为所追踪的目标在所述第一监控视频内连续多次出现的所述检测框，m为非负整数；

根据所述多个追踪信息得到多个目标变化信息，其中，所述多个目标变化信息和所述多个监控时刻一一对应，所述目标变化信息包括：在对应监控时刻下的视频帧包括的m个目标框中，每个目标框的中心点的位置变化序列；

在所述多个追踪信息所指示的多个目标框中，根据每一个目标框的中心点的位置变化序列，生成所述视觉识别信息，所述对应预设的监控目标的区域包括对应目标框的中心点，以及位置变化序列和对应目标框的中心点的位置变化序列之间的相关性大于相关阈值的像素点；

其中，在所述多个追踪信息所指示的多个目标框中，根据每一个目标框的中心点的位置变化序列，生成所述视觉识别信息，包括：对所述多个追踪信息所指示的多个目标框分别进行局部特征提取，得到与所述多个目标框一一对应的多个特征信息，所述特征信息包括与对应目标框关联的多个特征点，所述多个特征点用于表示对应目标框所指示目标的轮廓；

在所述多个特征信息中，将每一个特征信息包括的多个特征点的多个位置变化序列和对应的中心点的位置变化序列分别进行相关计算，以得到与所述多个特征信息一一对应的多个特征相关信息，所述特征相关信息包括：对应特征信息包括的多个特征点中，每一个特征点和对应中心点之间的位置变化序列的相关性；

根据所述多个特征相关信息和所述多个特征信息，生成所述视觉识别信息，其中，所述对应预设的监控目标的区域包括和对应中心点之间的位置变化序列的相关性大于所述相关阈值的所述特征点；

其中，所述对所述视觉识别信息进行分析，得到每一所述视频帧中的每一像素点的目标变动概率，包括：

根据所述多个特征信息，得到与所述多个目标框一一对应的多个边界信息，其中，所述边界信息包括与对应的多个特征点一一对应的多个边界点，所述边界点为对应的特征点和对应中心点所连成的直线与对应目标框的边界的交点；

在所述多个边界信息中，将每一个边界信息包括的多个边界点的多个位置变化序列和对应的特征点的位置变化序列分别进行相关计算，以得到与所述多个边界信息一一对应的多个边界相关信息，所述边界相关信息包括：对应边界信息包括的多个边界点中，每一个边界点和对应特征点之间的位置变化序列的相关性；

根据所述多个特征相关信息以及所述多个边界相关信息分别进行计算，以确定多个特征关注信息，所述多个特征关注信息和所述多个目标框一一对应，所述特征关注信息包括与对应目标框关联的多个特征点的多个关注度，所述关注度为对应的边界相关值和对应的特征相关值之比，所述边界相关值用于表示对应边界点与对应特征点之间的位置变化序列的相关性，所述特征相关值用于表示对应特征点与对应中心点之间的位置变化序列的相关性；

分析所述多个特征关注信息，得到每一所述视频帧中的每一像素点的目标变动概率；

其中，所述分析所述多个特征关注信息，得到每一所述视频帧中的每一像素点的目标变动概率，包括：

对所述多个特征关注信息进行分析，以得到每一所述视频帧中的每一像素点对应的多个变动概率值，其中，所述多个变动概率值和相对应的特征关注信息指示的多个特征点一一对应，所述变动概率值基于对应的关注度以及对应的点距离共同确定，所述点距离为对应特征点和对应像素点之间的距离；

对于每一所述视频帧中的每一像素点，将该像素点对应的多个变动概率值中的最大值，确定为该像素点的目标变动概率值，以得到每一所述视频帧中的每一像素点的目标变动概率。

2.根据权利要求1所述的面向智能监测的监控视频高效压缩方法，其特征在于，所述根据每一所述视频帧中的每一像素点的目标变动概率，对每一所述视频帧对应的多个初始宏块的尺寸分别进行调整，得到每一所述视频帧对应的多个调整宏块，包括：根据每一所述视频帧中的每一像素点的目标变动概率，将每一所述视频帧对应的每一初始宏块迭代切分为一个或多个调整宏块，以得到每一所述视频帧对应的多个调整宏块，其中，所述初始宏块的尺寸大于或等于该初始宏块迭代切分出的调整宏块的尺寸，以及当所述调整宏块的尺寸大于预设的最小尺寸，且所述调整宏块的尺寸小于对应的初始宏块的尺寸时，所述压缩宏块在对应视频帧内覆盖的多个像素点的多个目标变动概率的均值小于预设的概率阈值。

3.根据权利要求1所述的面向智能监测的监控视频高效压缩方法，其特征在于，所述对所述多个追踪信息所指示的多个目标框分别进行局部特征提取，得到与所述多个目标框一一对应的多个特征信息，包括：对所述多个追踪信息所指示的多个目标框分别进行框合并，以得到与所述多个目标框一一对应的多个合并框，所述合并框为对应目标框和对应目标框的关联框的并集，所述关联框和对应的目标框指示同一目标；

对所述多个合并框分别进行局部特征提取，得到与所述多个目标框一一对应的多个特征信息。

4.一种面向智能监测的监控视频高效压缩系统，其特征在于，所述系统包括：

视觉识别模块，用于对第一监控视频进行视觉识别，得到视觉识别信息，其中，所述视觉识别信息用于识别视频帧中对应预设的监控目标的区域；

信息分析模块，用于对所述视觉识别信息进行分析，得到每一所述视频帧中的每一像素点的目标变动概率，其中，所述目标变动概率用于指示：对应像素点为对应视频帧中构成所述监控目标的若干像素点中一个像素点的概率；

宏块调整模块，用于根据每一所述视频帧中的每一像素点的目标变动概率，对每一所述视频帧对应的多个初始宏块的尺寸分别进行调整，得到每一所述视频帧对应的多个调整宏块，其中，对应同一视频帧的多个调整宏块的数量小于或等于相对应的多个初始宏块的数量，所述目标变动概率和覆盖对应像素点的调整宏块的尺寸呈负相关关系；

视频压缩模块，用于根据每一所述视频帧对应的多个调整宏块，对所述多个视频帧分别进行视频压缩，得到第二监控视频，其中，所述第二监控视频的视频帧中对应预设的监控目标的区域的压缩率小于背景区域的压缩率，所述背景区域为视频帧中除对应预设的监控目标的区域之外的其他区域；

其中，所述视觉识别模块，包括：

目标检测子模块，用于以所述监控目标作为检测目标，对所述第一监控视频包括的多个视频帧分别进行目标检测，得到多个检测信息，其中，所述多个检测信息和所述多个视频帧一一对应，所述检测信息用于指示对应的视频帧中的n个检测框，n为非负整数；

目标追踪子模块，用于根据所述多个检测信息进行目标追踪，得到多个追踪信息，其中，所述多个追踪信息和所述第一监控视频对应的多个监控时刻一一对应，所述追踪信息用于指示对应监控时刻下的视频帧中的m个目标框，所述目标框为所指示目标在所述第一监控视频内连续多次出现的所述检测框，m为非负整数；

信息获取子模块，用于根据所述多个追踪信息得到多个目标变化信息，其中，所述多个目标变化信息和所述多个监控时刻一一对应，所述目标变化信息包括：在对应监控时刻下的视频帧包括的m个目标框中，每个目标框的中心点的位置变化序列；

信息生成子模块，用于在所述多个追踪信息所指示的多个目标框中，根据每一个目标框的中心点的位置变化序列，生成所述视觉识别信息，所述对应预设的监控目标的区域包括对应目标框的中心点，以及位置变化序列和对应目标框的中心点的位置变化序列之间的相关性大于相关阈值的像素点；

其中，所述信息生成子模块，包括：

特征提取单元，用于对所述多个追踪信息所指示的多个目标框分别进行局部特征提取，得到与所述多个目标框一一对应的多个特征信息，所述特征信息包括与对应目标框关联的多个特征点，所述多个特征点用于表示对应目标框所指示目标的轮廓；

特征相关计算单元，用于在所述多个特征信息中，将每一个特征信息包括的多个特征点的多个位置变化序列和对应的中心点的位置变化序列分别进行相关计算，以得到与所述多个特征信息一一对应的多个特征相关信息，所述特征相关信息包括：对应特征信息包括的多个特征点中，每一个特征点和对应中心点之间的位置变化序列的相关性；

识别信息生成单元，用于根据所述多个特征相关信息和所述多个特征信息，生成所述视觉识别信息，其中，所述对应预设的监控目标的区域包括和对应中心点之间的位置变化序列的相关性大于所述相关阈值的所述特征点；

其中，所述信息分析模块，包括：

边界获取单元，用于根据所述多个特征信息，得到与所述多个目标框一一对应的多个边界信息，其中，所述边界信息包括与对应的多个特征点一一对应的多个边界点，所述边界点为对应的特征点和对应中心点所连成的直线与对应目标框的边界的交点；

边界相关计算单元，用于在所述多个边界信息中，将每一个边界信息包括的多个边界点的多个位置变化序列和对应的特征点的位置变化序列分别进行相关计算，以得到与所述多个边界信息一一对应的多个边界相关信息，所述边界相关信息包括：对应边界信息包括的多个边界点中，每一个边界点和对应特征点之间的位置变化序列的相关性；

关注度计算单元，用于根据所述多个特征相关信息以及所述多个边界相关信息分别进行计算，以确定多个特征关注信息，所述多个特征关注信息和所述多个目标框一一对应，所述特征关注信息包括与对应目标框关联的多个特征点的多个关注度，所述关注度为对应的边界相关值和对应的特征相关值之比，所述边界相关值用于表示对应边界点与对应特征点之间的位置变化序列的相关性，所述特征相关值用于表示对应特征点与对应中心点之间的位置变化序列的相关性；

概率分析单元，用于分析所述多个特征关注信息，得到每一所述视频帧中的每一像素点的目标变动概率；

其中，所述概率分析单元，具体用于：

对所述多个特征关注信息进行分析，以得到每一所述视频帧中的每一像素点对应的多个变动概率值，其中，所述多个变动概率值和相对应的特征关注信息指示的多个特征点一一对应，所述变动概率值基于对应的关注度以及对应的点距离共同确定，所述点距离为对应特征点和对应像素点之间的距离；

对于每一所述视频帧中的每一像素点，将该像素点对应的多个变动概率值中的最大值，确定为该像素点的目标变动概率值，以得到每一所述视频帧中的每一像素点的目标变动概率。

5.一种电子设备，其特征在于，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至3中任一项所述的面向智能监测的监控视频高效压缩方法的步骤。

6.一种可读存储介质，其特征在于，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至3中任一项所述的面向智能监测的监控视频高效压缩方法的步骤。