1.基于人工智能的班组作业智慧化管控方法，其特征在于，包括：S1：接收多个分散部署的独立作业信息系统的业务数据，进行数据关联合并和规范化处理，获取作业计划集；S2：接收第一预设监控点的第一监控视频数据，基于第一监控视频数据识别第一异常现象，所述第一异常现象表征电力场景静态异常现象；S3：基于作业计划调取第二监控点的第二监控视频数据，基于第二监控视频数据识别作业计划的执行进度、第一异常现象和第二异常现象，所述第二异常现象表征与作业执行过程关联的异常现象；所述步骤S2中，包括：基于第一预设监控点的场景图像，获取场景图像中的第一特征像素点，所述第一特征像素点与场景图像中目标相对应；基于所述第一特征像素点和预设第一分析算法，识别所述第一特征像素点对应的目标是否存在异常；所述基于所述第一特征像素点和预设第一分析算法，识别所述第一特征像素点对应的目标是否存在异常，包括：获取预设的目标区域生成算法，结合所述目标区域生成算法和所述第一特征像素点得到第一特征像素点对应的场景图像目标区域；基于预设第二分析算法和所述场景图像目标区域，确定所述目标区域出现所述目标是否存在异常或者基于所述目标类型确定所述目标区域的目标是否存在异常；所述第一特征像素点的获取方法，包括：(1)在第一预设监控点场景图像中选择一个候选第一特征像素点位置；(2)以所述候选第一特征像素点位置为中心，向外围搜索获取像素点，判断外围像素点与所述候选第一特征像素点的关联关系大小，直至搜索到所述关联关系小于预设关联阈值的外围像素点停止；(3)判断是否存在未被搜索到的像素点，若是，则在未被搜索到的像素点中选择一个候选第一特征像素点位置；(4)重复步骤(2)和(3)，直至第一预设监控点场景图像所有像素点都被搜索，基于所有候选第一特征像素点获取第一特征像素点；获取所述第一特征像素点时，包括：对候选第一特征像素点的邻域像素进行分析，比较邻域像素的像素点特征与所述候选第一特征像素点的像素点特征，若所述第一特征像素点与邻域像素的对比结果分布差异大于预设阈值，则在邻域像素中选择一个像素点作为新的候选第一特征像素点，若所述对比结果分布差异小于等于预设阈值，则确定保留所述候选第一特征像素点；所述基于预设第二分析算法和所述场景图像目标区域，确定所述目标区域出现所述目标是否存在异常或者基于所述目标类型确定所述目标区域的目标是否存在异常，包括：基于所述场景图像目标区域，确定所述目标区域的目标类型；基于目标区域的目标类型和目标区域的目标地理位置相互距离关系，确定目标区域出现所述目标是否存在异常或者基于所述目标类型确定所述目标区域的目标是否存在异常；所述步骤S3中，包括：基于第二监控点的第二监控视频数据，获取连续的图像帧；基于连续图像帧从空间和时间上分别进行图像分析，确定单个图像帧中的静态异常现象和连续图像帧中的动态异常现象；所述基于连续图像帧从空间和时间上分别进行图像分析，确定单个图像帧中的静态异常现象和连续图像帧中的动态异常现象，包括：对作业场景图像中的作业人员进行作业区域定位和区域人员数量确定；根据作业计划判定作业区域中待检测的违章行为类型；基于所述待检测违章行为类型确定对作业区域内每个作业人员的图像分析区域；对于同一类型的待检测违章行为对应的每个作业人员的待分析图像子区域进行汇总分析，根据汇总结果确定异常现象是否发生以及发生异常现象的作业人员；所述对于同一类型的待检测违章行为对应的每个作业人员的待分析图像子区域进行汇总分析，包括：基于同一类型的待检测违章行为获取的每个作业人员的待分析图像子区域提取第一特征参数，所述第一特征参数表征所述图像子区域中的像素分布特征；基于每个第一特征参数进行聚类，获取表征图像子区域中出现违章行为的第一特征参数类别中对应的候选违章作业人员。
2.基于人工智能的班组作业智慧化管控系统，其特征在于，包括：作业计划关联合并模块，用于接收多个分散部署的独立作业信息系统的业务数据，进行数据关联合并和规范化处理，获取作业计划集；第一异常现象监测模块，用于接收第一预设监控点的第一监控视频数据，基于第一监控视频数据识别第一异常现象，所述第一异常现象表征电力场景静态异常现象；第二异常现象监测模块，用于基于作业计划调取第二监控点的第二监控视频数据，基于第二监控视频数据识别作业计划的执行进度、第一异常现象和第二异常现象，所述第二异常现象表征与作业执行过程关联的异常现象；所述第一异常现象监测模块中，执行步骤包括：基于第一预设监控点的场景图像，获取场景图像中的第一特征像素点，所述第一特征像素点与场景图像中目标相对应；基于所述第一特征像素点和预设第一分析算法，识别所述第一特征像素点对应的目标是否存在异常；所述基于所述第一特征像素点和预设第一分析算法，识别所述第一特征像素点对应的目标是否存在异常，包括：获取预设的目标区域生成算法，结合所述目标区域生成算法和所述第一特征像素点得到第一特征像素点对应的场景图像目标区域；基于预设第二分析算法和所述场景图像目标区域，确定所述目标区域出现所述目标是否存在异常或者基于所述目标类型确定所述目标区域的目标是否存在异常；所述第一特征像素点的获取方法，包括：(1)在第一预设监控点场景图像中选择一个候选第一特征像素点位置；(2)以所述候选第一特征像素点位置为中心，向外围搜索获取像素点，判断外围像素点与所述候选第一特征像素点的关联关系大小，直至搜索到所述关联关系小于预设关联阈值的外围像素点停止；(3)判断是否存在未被搜索到的像素点，若是，则在未被搜索到的像素点中选择一个候选第一特征像素点位置；(4)重复步骤(2)和(3)，直至第一预设监控点场景图像所有像素点都被搜索，基于所有候选第一特征像素点获取第一特征像素点；获取所述第一特征像素点时，包括：对候选第一特征像素点的邻域像素进行分析，比较邻域像素的像素点特征与所述候选第一特征像素点的像素点特征，若所述第一特征像素点与邻域像素的对比结果分布差异大于预设阈值，则在邻域像素中选择一个像素点作为新的候选第一特征像素点，若所述对比结果分布差异小于等于预设阈值，则确定保留所述候选第一特征像素点；所述基于预设第二分析算法和所述场景图像目标区域，确定所述目标区域出现所述目标是否存在异常或者基于所述目标类型确定所述目标区域的目标是否存在异常，包括：基于所述场景图像目标区域，确定所述目标区域的目标类型；基于目标区域的目标类型和目标区域的目标地理位置相互距离关系，确定目标区域出现所述目标是否存在异常或者基于所述目标类型确定所述目标区域的目标是否存在异常；所述第二异常现象监测模块中，执行步骤包括：基于第二监控点的第二监控视频数据，获取连续的图像帧；基于连续图像帧从空间和时间上分别进行图像分析，确定单个图像帧中的静态异常现象和连续图像帧中的动态异常现象；所述基于连续图像帧从空间和时间上分别进行图像分析，确定单个图像帧中的静态异常现象和连续图像帧中的动态异常现象，包括：对作业场景图像中的作业人员进行作业区域定位和区域人员数量确定；根据作业计划判定作业区域中待检测的违章行为类型；基于所述待检测违章行为类型确定对作业区域内每个作业人员的图像分析区域；对于同一类型的待检测违章行为对应的每个作业人员的待分析图像子区域进行汇总分析，根据汇总结果确定异常现象是否发生以及发生异常现象的作业人员；所述对于同一类型的待检测违章行为对应的每个作业人员的待分析图像子区域进行汇总分析，包括：基于同一类型的待检测违章行为获取的每个作业人员的待分析图像子区域提取第一特征参数，所述第一特征参数表征所述图像子区域中的像素分布特征；基于每个第一特征参数进行聚类，获取表征图像子区域中出现违章行为的第一特征参数类别中对应的候选违章作业人员。
