1.一种基于深度学习的电梯轿厢内乘客异常行为检测系统，其特征在于：包括给定多个不同电梯的地址以及对应电梯内摄像头地址的WEB模块；

接收所述WEB模块分别传送多个不同电梯的地址以及对应电梯内摄像头地址的多各个结构相同的电梯乘客行为获取及检测模块；所述电梯乘客行为获取及检测模块对电梯的轿厢内视频进行获取并对获取的视频进行乘客的异常行为和正常行为的区分，得到乘客的行为区分结果；

接收多个所述电梯乘客行为获取及检测模块传送的乘客的行为区分结果，并对多个电梯乘客行为的区分结果进行显示并报警的WEB模块。

2.根据权利要求1所述的一种基于深度学习的电梯轿厢内乘客异常行为检测系统，其特征在于：所述电梯乘客行为获取及检测模块包括对电梯轿厢内乘客乘坐电梯时的视频信息和音频信息进行采集的视频采集子模块；

接收所述视频采集子模块传送的电梯轿厢内乘客乘坐电梯时的视频信息和音频信息，并对其进行标注，并将标注后的数据作为数据集来进行训练，并对视频流中的图片帧做稀疏处理的预处理子模块；

接收所述数据预处理子模块传送的视频流中的图片帧稀疏采样后的数据，并对视频流中的图片帧稀疏采样后的数据采用深度学习中的卷积神经网络对乘客的异常行为和正常行为进行分析，得到乘客乘坐电梯时正常行为和异常行为的区分结果的行为分析子模块；

接收所述行为分析子模块传送的乘客乘坐电梯时正常行为和异常行为的区分结果，将乘客乘坐电梯时正常行为和异常行为的区分结果传送给所述WEB模块的异常处理子模块。

3.根据权利要求1所述的一种基于深度学习的电梯轿厢内乘客异常行为检测系统，其特征在于：所述视频采集子模块采用安装在电梯轿厢顶部的具有语音对话功能的摄像头。

4.根据权利要求1所述的一种基于深度学习的电梯轿厢内乘客异常行为检测系统，其特征在于：所述行为分析子模块包括2D卷积子网络和3D卷积子网络。

5.根据权利要求1所述的一种基于深度学习的电梯轿厢内乘客异常行为检测系统，其特征在于：所述行为分析子模块对视频流中的图片帧稀疏处理后的数据采用卷积神经网络对乘客的异常行为和正常行为进行分析，得到乘客乘坐电梯时正常行为和异常行为的过程如下：

所述2D卷积子网络通过GhostNet对视频流中图片进行初次提取空间特征图，然后将初次提取得到空间特征图进行空间变换，得到其余的特征图，则得到2D卷积子网络提取到的所有特征图；

所述3D卷积子网络通过3D‑ShuffleNet中通道分离的方式对2D卷积子网络提取到的特征图进行时空特征的处理，得到视频流中图片关于时间和空间维度的特征图；将得到的视频流中图片关于时间和空间维度的特征图进行融合，经过分类后，最终得到乘客乘坐电梯时正常行为和异常行为的区分结果。