1.一种基于无人机视觉感知的工程异常管控方法，其特征在于，该方法包括：计算任意两个施工区域中施工区域A中施工人员转移到施工区域B的概率，整合所得概率得到概率矩阵；

将当前时刻工程作业场地各施工区域中施工人员的数量和概率矩阵输入神经网络中，预测预设未来时刻各施工区域中施工人员的数量；

获取预设未来时刻各施工区域中施工人员的实际数量，若各施工区域中施工人员的预测数量与实际数量的差异值大于预设差异阈值，则进行工程异常预警；

所述概率矩阵的获取步骤包括：

计算任意两个施工区域中施工区域A中施工人员转移到施工区域B的初始转移概率P(A,B)，以及施工人员在施工区域A的停留概率PA；

利用所述停留概率PA对所述初始转移概率P(A,B)进行修正，得到最终转移概率P′(A,B)；其中，停留概率PA越大，最终转移概率P′(A,B)越小；

整合最终转移概率得到概率矩阵；

所述初始转移概率的计算方法为：

以施工人员在作业点的施工时长为依据筛选出施工人员的主要作业点，根据主要作业点获取主要作业区域；

根据所述任意两个施工区域间的距离、相邻边界长度、两个施工区域质心连线经过的主要作业区域的个数，以及所述两个施工区域的相邻边界经过的主要作业区域中的主要作业点与相邻边界间的平均距离计算初始转移概率；其中，所述经过的主要作业区域的个数越多，初始转移概率越小，所述平均距离越大，初始转移概率越小；

其中，初始转移概率的计算方法为：

P(A,B)表示施工区域A中施工人员转移到施工区域B的初始转移概率，K表示工程作业场地施工区域的总个数，Bl表示施工区域B是工程作业场地除施工区域A以外的K‑1施工区域中的第l个施工区域；

其中，α(A,B)表示施工区域A中施工人员转移到施工区域B的转移难度；ω1、ω2为质心距离和相邻边界长度的权值，ω1、ω2分别设置为0.6、0.4；max[D]表示得到的所有两个施工区域质心距离中的最大值，min[D]表示得到的所有两个施工区域质心距离中的最小值，max[L]表示得到的所有两个施工区域相邻边界长度中的最大值；

所述停留概率的计算方法为：

基于施工人员在施工区域A中的已施工面积和已施工时间计算施工人员在施工区域A的停留概率；

其中，停留概率为：

其中，PA为施工人员在施工区域A的停留概率；SA表示施工区域A的面积，S′表示施工区域A中的已施工面积，tA表示施工区域A的实际已施工时间，TA表示施工区域A的预计施工完成所需时间；

最终转移概率P′(A,B)的计算方法为：P′(A,B)＝P(A,B)*(1‑PA)。

2.如权利要求1所述的方法，其特征在于，所述初始转移概率的计算方法为：计算所述任意两个施工区域间的距离以及相邻边界长度，根据所述距离和相邻边界长度计算初始转移概率；其中，距离越远，相邻边界长度越短，初始转移概率越小。

3.如权利要求1所述的方法，其特征在于，重要作业点为离散点，绘制泰森多边形，泰森多边形对应区域为主要作业区域。

4.如权利要求1所述的方法，其特征在于，所述已施工面积的获取方法为：获取施工区域A中的主要作业点后，进行凸包检测，凸包面积为已施工面积。

5.如权利要求1所述的方法，其特征在于，对开始施工时刻至当前时刻的多帧施工人员关键点热力图进行遗忘叠加，叠加热力图中像素值的大小反应施工人员在作业点的施工时长。