1.一种基于视频信息的秸秆焚烧检测报警系统，其特征是：它包括图像处理单元、与图像处理单元输入端连接的视频采集单元，与图像处理单元输出端连接的显示报警单元；

视频采集单元用于采集检测地的实时视频信息并通过网络传输至服务器；

图像处理单元用于从采集到的视频中提取待检测的图像，通过机器学习算法进行分析判断是否存在燃烧产生的烟雾；

显示报警单元用于当检测到有疑似焚烧秸秆图像时，保存疑似的图像并在网页或终端上可视化显示，并发出报警信息。

2.根据权利要求1所述的秸秆焚烧检测报警系统，其特征是：所述视频采集单元包括摄像机和云台；

摄像机种类包括枪机摄像机、半球摄像机、球机摄像机、定焦摄像机或变焦摄像机；

摄像机和云台架设在铁塔或其他高处，通过云台定时转动实现大范围无死角监控；

所述视频采集单元(1)采集视频后，通过通信基站的有线或无线网络将视频流传输至服务器中。

3.根据权利要求1所述的秸秆焚烧检测报警系统，其特征是：所述图像处理单元(2)包括图像获取和算法分析两个步骤；

所述图像获取是从服务器的视频流中每隔一段时间取出一帧图像；

所述的算法分析是通过机器学习算法，对燃烧产生的烟雾提前进行训练，然后测试取出的图像中是否存在疑似燃烧产生的烟雾。

4.根据权利要求3所述的秸秆焚烧检测报警系统，其特征是：所述的机器学习算法，对燃烧产生的烟雾提前进行训练，采用的具体步骤如下：S01、采集数据集，包括有秸秆焚烧烟雾的图像和没有烟雾的图像，其中有烟雾的作为正样本，没有烟雾的作为负样本；

S02、根据不同机器学习算法需求，对样本进行裁剪、标注等方式处理,然后输入到机器算法进行训练，并分别使用正样本和负样本数据集测试其准确率；

S03、当准确率符合预期要求时，保存训练模型，测试时调用训练模型进行识别。

5.根据权利要求4所述的秸秆焚烧检测报警系统，其特征是：在进行机器学习算法时，包括支持向量机、决策树、卷积神经网络、RCNN、Fast RCNN、YOLO、Mask RCNN、Cascade RCNN中的一种或多种机器学习算法的结合；

其中一种结合的步骤如下：

S11、使用深度学习算法对采集到的图像进行第一次检测；

S12、筛选出步骤S11检测中误报的图像，构成新的数据集，然后选用其他算法训练新的数据集，并保存训练模型；

S13、利用步骤S12中保存的训练模型对步骤S11的检测结果再次检测，若两次结果均包含烟雾区域则视为检测到有疑似焚烧秸秆图像。

6.根据权利要求3所述的秸秆焚烧检测报警系统，其特征是：所述的算法分析采用帧差法与神经网络结合的烟雾检测方法，对秸秆燃烧的烟雾进行检测，包括以下步骤：S21、利用帧差法，对烟雾检测区域采集的实时视频中的前后连续的图像帧进行处理，得到差值图像；

S22、对差值图像进行特征强化，得到强化后的特征图；

所述特征强化采用最大类间方差法；

S23、根据特征图，获取疑似烟雾候选区；

S24、将疑似烟雾候选区作为烟雾检测神经网络模型的输入，进行烟雾检测；

所述烟雾检测神经网络模型包括依次连接的卷积神经网络、RPN网络、全连接层，卷积神经网络用于提取输入图片的特征，RPN网络用于推荐候选区域，并利用RoI Pooling层将输出转换为固定大小。

7.根据权利要求6所述的秸秆焚烧检测报警系统，其特征是：所述的步骤S21中，采用改进的帧差法，改进的帧差法包括以下步骤：S211、将连续的两帧图像分别沿像素坐标系的横轴、纵轴切分，切分成固定大小的像素块，计算像素块的所有像素点各个通道的像素值的均值，逐个将像素块的像素点各通道的像素值更新为所有像素点的像素值的均值；

像素值的计算式如下：

式中i代表第i个像素块，Block(i)代表第i个像素块的像素点的像素值，Ri，Gi和Bi分别代表第i个像素块中所有像素点R分量，G分量和B分量的总和；N为像素块的像素点的数量；M为图像切分的像素块的数量；

S212、将经过步骤S211处理的两帧图像的相同坐标的像素块的像素点的像素值求差，对差值取绝对值，得到差值图像。

8.根据权利要求3所述的秸秆焚烧检测报警系统，其特征是：所述的算法分析采用基于地域特征的烟雾检测神经网络模型算法，具体步骤为：S31、视频采集单元采集不同视角的场景的图像，并对每个视角的场景的图像中不可能出现烟雾的区域进行标定，设为无烟区；

S32、从拍摄的实时图像序列中获取图像；利用烟雾检测神经网络模型对获取的图像进行烟雾识别并定位出图像中的疑似烟雾区域；

烟雾检测神经网络模型包括依次连接的卷积神经网络、RPN网络和全连接层，卷积神经网络用于提取输入图片的特征，RPN网络用于推荐候选区域，并利用RoIPooling层将输出转换为固定大小；

S33、将包含有疑似烟雾区域的图像进行视角识别，确定视角后，相对于相同视角的无烟区进行位置重合率计算，从而进行疑似烟雾候选区的过滤；

所述视角识别，是将包含有疑似烟雾区域的图像与步骤S31的每个视角的场景的图像进行匹配，利用像素点的对比度和亮度，进行相似度计算，找到最相似的场景的图像，确定包含有疑似烟雾区域的图像的视角；

所述位置重合率计算，若疑似烟雾候选区与无烟区的重合率超过阈值R，则判断疑似烟雾候选区为无效的候选区。

9.根据权利要求8所述的秸秆焚烧检测报警系统，其特征是：所述的重合率计算，是利用疑似烟雾区域的坐标值与相同视角的无烟区的坐标值进行计算，得到重合区域的坐标值，根据重合区域的面积与无烟区面积的比值即重合区域的占比进行重合率的计算；

所述阈值R为0.3。

10.根据权利要求1～9任一项所述的秸秆焚烧检测报警系统，其特征是，当检测到图像中存在燃烧产生的烟雾时，框选出烟雾的区域并保存图像并存入数据库中，通过网页或App可视化显示报警的图像和详细信息，同时发出报警信息。