技术特征：
1.一种基于智能摄像头的视频分析方法，其特征在于，包括：s1，对预定位置安装对指定方向监控的摄像头；s2，设计标注对象，并根据所述标注对象设计以及训练检测模型获得监测模型；s3，将所述监测模型芯片不支持的算子进行剪除后，获得剪除部分和剩余部分，所述剪除部分通过cpu进行推理和所述剩余部分通过芯片进行推理并作为模型算法；s4，将所述模型算法安装到所述摄像头；s5、启动所述模型算法，将所述摄像头获得的报警图片传至云平台。2.如权利要求1所述基于智能摄像头的视频分析方法，其特征在于，所述检测模型为改进的ssd模型，所述改进的ssd模型的基础模块包括第一路稠密层和第二路稠密层，所述第一路稠密层包括一个3*3卷积核，用于捕捉小尺度目标，所述第二路稠密层包括两个3*3卷积核，用于学习大尺度目标的视觉特征。3.如权利要求2所述基于智能摄像头的视频分析方法，其特征在于，所述s2包括：所述检测模型法采用conv+bn+relu组合进行计算。4.如权利要求3所述基于智能摄像头的视频分析方法，其特征在于，所述s3包括：将所述改进的ssd模型中prototxt模型文件中的flatten层、priorbox层、concat层、reshape层、softmax层和detectionoutput层进行剪除作为剪除部分；将剪切后的所述prototxt模型文件和caffemodel权重文件进行转换，转换为海思芯片对应的wk模型，作为所述剩余部分。5.如权利要求4所述基于智能摄像头的视频分析方法，其特征在于，所述剪除部分通过cpu进行推理包括：采用svp_nnie_ssd_priorboxforward对所述priorbox层进行推理；采用svp_nnie_ssd_softmaxforward对所述softmax层进行推理；采用svp_nnie_ssd_detectionoutforward对所述detectionoutput层进行推理。6.如权利要求5所述基于智能摄像头的视频分析方法，其特征在于，所述采用svp_nnie_ssd_priorboxforward对所述priorbox层进行推理包括：根据每一所述priorbox层的最小边长minsize、最大边长maxsize计算正方形框；根据长宽比aspect_ratio计算长方形框；将每一所述priorbox层的特征图大小映射回原图位置，其中，所述特征图大小分别为2个19*19、10*10、5*5、3*3和1*1。7.如权利要求6所述基于智能摄像头的视频分析方法，其特征在于，所述采用svp_nnie_ssd_softmaxforward对所述softmax层进行推理，包括：采用f
i
作为置信度，对softmax层进行推理。8.如权利要求7所述基于智能摄像头的视频分析方法，其特征在于，所述采用svp_nnie_ssd_detectionoutforward对所述detectionoutput层进行推理，包括：计算所述detectionoutput层的前topk的真实图像坐标值作为预测值解码进行推理计算。9.如权利要求8所述基于智能摄像头的视频分析方法，其特征在于，所述s4包括：将所述模型算法采用arm-himix200-linux进行交叉编译后获得编译文件；采用rpmbuild工具对所述编译文件打包获得打包文件；
将所述打包文件在线安装至所述摄像头。10.如权利要求9所述基于智能摄像头的视频分析方法，其特征在于，所述s1包括：所述摄像头的俯仰角范围为-15
°
～15
°
。