1.一种火焰烟雾检测方法，其特征在于，包括：
获取视频的每帧中火焰烟雾的动态特征，根据获取的每帧中的动态特征获取每帧中火焰烟雾的动态检测结果；
获取所述视频的每帧中火焰烟雾的静态特征，根据每帧中火焰烟雾的静态特征确定每帧中火焰烟雾的静态区域，将所述静态区域输入到深度学习模型中，输出每帧中火焰烟雾的静态检测结果；
其中，所述深度学习模型根据火焰烟雾的图像样本和所述图像样本中火焰烟雾的静态检测结果进行训练获取；
根据每帧中火焰烟雾的动态检测结果和静态检测结果，确定所述火焰烟雾的最终检测结果。
2.根据权利要求1所述的火焰烟雾检测方法，其特征在于，获取视频的每帧中火焰烟雾的动态特征的步骤之前还包括：
基于三帧插法检测出所述视频的每帧中火焰烟雾的运动区域；
基于背景减法检测出所述视频的每帧中火焰烟雾的运动区域；
将每帧中所述三帧插法和所述背景减法检测出的运动区域进行或运算，获取每帧中火焰烟雾的最终运动区域；
相应地，获取视频的每帧中火焰烟雾的动态特征的步骤包括：
获取每帧的火焰烟雾的最终运动区域中火焰烟雾的动态特征。
3.根据权利要求2所述的火焰烟雾检测方法，其特征在于，基于三帧插法确定所述视频的每帧中火焰烟雾的运动区域的步骤包括：
计算所述视频的当前帧与紧邻所述当前帧的前一帧之间的差分图像，以及紧邻所述当前帧的后一帧与所述当前帧之间的差分图像；
对两个所述差分图像进行与操作；
对与操作的结果进行二值化处理，对二值化处理的结果进行形态学处理，获取当前帧中所述三帧插法检测出的火焰烟雾的运动区域。
4.根据权利要求2所述的火焰烟雾检测方法，其特征在于，通过以下公式基于背景减法检测出所述视频的每帧中火焰烟雾的运动区域：
其中，p(x,y,i)为所述视频的第i帧中坐标为(x,y)的像素做背景减运算的结果，b(x,y,i)为所述视频的第i帧中坐标为(x,y)的像素的背景强度，b(x,y,i+1)所述视频的第i+1帧中坐标为(x,y)的像素的背景强度，t(x,y,i)为所述视频的第i帧中坐标为(x,y)的像素的运动阈值，f(x,y,i)所述视频的第i帧中坐标为(x,y)的像素值，λ为调节参数。
5.根据权利要求2所述的火焰烟雾检测方法，其特征在于，获取每帧的火焰烟雾的最终运动区域中火焰烟雾的动态特征，根据获取的每帧中的动态特征获取每帧中火焰烟雾的动态检测结果的步骤包括：
获取每帧中所述最终运动区域的位置，将相邻两帧之间所述最终运动区域的位置进行对比，判断所述最终运动区域是否符合火焰烟雾的整体移动稳定性的特征；
统计相邻两帧中所述最终运动区域的面积，将连续的相邻两帧中所述最终运动区域的面积进行对比，判断所述最终运动区域的面积是否符合火焰烟雾的面积随时间逐步变大的特征；
基于光流法获取所述最终运动区域的主运动方向，并判断所述主运动方向是否符合火焰烟雾由下向上运动的特征；
若所述最终运动区域符合火焰烟雾的整体移动稳定性、面积随时间逐步变大和由下向上运动的特征，则获知所述最终运动区域为火焰烟雾区域，否则不是火焰烟雾区域。
6.根据权利要求5所述的火焰烟雾检测方法，其特征在于，获取每帧中所述最终运动区域的位置，根据所述位置判断所述最终运动区域是否符合火焰烟雾的整体移动稳定性的特征的步骤包括：
获取每帧中所述最终运动区域的中心点，以及位于所述最终运动区域的底部的像素点的正上方且距离所述底部的像素点为所述最终运动区域的高度的预设比例的目标像素点；
计算相邻两帧中所述中心点在水平方向和垂直方向的相对运动速率，以及所述目标像素点在在水平方向和垂直方向的相对运动速率；
若所述中心点在水平方向和垂直方向的相对运动速率，以及所述目标像素点在在水平方向和垂直方向的相对运动速率均在预设范围内，则获知所述最终运动区域符合火焰烟雾的整体移动稳定性的特征。
7.根据权利要求1-6任一所述的火焰烟雾检测方法，其特征在于，获取所述视频的每帧中火焰烟雾的静态特征，根据每帧中火焰烟雾的静态特征确定每帧中火焰烟雾的静态区域的步骤包括：
基于火焰烟雾的颜色模型获取所述视频的每帧中的火焰烟雾疑似区域；
基于lbp方法获取所述火焰烟雾疑似区域的纹理特征；
根据所述纹理特征获取所述火焰烟雾疑似区域中的火焰烟雾目标区域，将所述火焰烟雾目标区域作为所述火焰烟雾的静态区域。
8.根据权利要求7所述的火焰烟雾检测方法，其特征在于，所述火焰烟雾的颜色模型为：
r≥g＞b；
r＞rt；
|r-g|<it；
|r-b|<it；
|g-b|<it；
其中，r为火焰烟雾的像素在rgb颜色空间中的红色通道的值，g为火焰烟雾的像素在rgb颜色空间中的绿色通道的值，火焰烟雾的像素在rgb颜色空间中的蓝色通道的值，rt、st和it为预设阈值，s为火焰烟雾的像素的饱和度。
9.一种火焰烟雾检测装置，其特征在于，包括：
动态检测模块，用于获取视频的每帧中火焰烟雾的动态特征，根据获取的每帧中的动态特征获取每帧中火焰烟雾的动态检测结果；
静态检测模块，用于获取所述视频的每帧中火焰烟雾的静态特征，根据每帧中火焰烟雾的静态特征确定每帧中火焰烟雾的静态区域，将所述静态区域输入到深度学习模型中，输出每帧中火焰烟雾的静态检测结果；
其中，所述深度学习模型根据火焰烟雾的图像样本和所述图像样本中火焰烟雾的静态检测结果进行训练获取；
融合检测模块，用于根据每帧中火焰烟雾的动态检测结果和静态检测结果，确定所述火焰烟雾的最终检测结果。
10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至8任一项所述火焰烟雾检测方法的步骤。