1.一种公共交通异常客流检测方法，其特征在于，所述方法包括：S1：采集公共交通视频数据，并利用改进的目标检测算法对所采集视频数据中的视频帧进行目标检测；

所述改进的目标检测算法流程为：

S11：依次输入视频帧集合中的视频帧，对输入时刻的视频帧，利用卷积神经网络提取视频帧的特征图，其中，所述特征图的提取公式为：其中：

表示对输入图像进行卷积处理；

表示视频帧所提取的特征图；

则卷积神经网络生成的特征图集合为；

S12：将生成的特征图依次输入到区域生成网络，区域生成网络将特征图划分为4个等大小的子区域，并在每个子区域内生成M个锚框；

S13：通过部分视频帧进行人工标注锚框，随机选择K个标注锚框作为类中心，对其他标注锚框，分别计算与K个类中心的距离，选择距离最近的类中心并入该类，对每类的所有标注锚框计算标注锚框长和宽的均值，，其中表示第j类中标注锚框长的均值，表示第j类中标注锚框宽的均值，在第j类中形成以为长，以为宽的锚框作为第j类的类中心；重新分类直到算法停止；

S14：重复S13步骤10次，最终得到的K个类中心锚框的长和宽的均值，作为所生成锚框的长和宽；

S15：利用区域生成网络确定每个锚框中存在目标的概率，所述区域生成网络的损失函数为：其中：

为第i个训练锚框中存在目标的真实概率，，表示第i个训练锚框不存在目标，表示第i个训练锚框存在目标；表示区域生成网络输出的第i个训练锚框存在目标的概率；

表示目标的位置坐标，表示区域生成网络输出的第i个训练锚框的位置坐标；

表示二值分类损失，表示位置回归损失；

S16：锚框在包含目标的候选区域进行修正，即将相交的锚框作为一个锚框集合，在锚框集合内依照目标检测概率对锚框进行评分，锚框存在目标的概率为p，则锚框的得分为p；选中锚框集合中的最高分以及对应的锚框，遍历其余的锚框，若锚框和当前最高分锚框的IOU面积大于阈值，则将锚框删除，所述IOU面积的计算公式为：其中：

表示锚框的面积；

表示锚框集合中最高分对应的锚框；

S17：将锚框标记过的特征图作为目标检测结果，其中锚框标记的位置即为检测到的目标，得到目标检测结果向量为：，其中为视频帧所对应的带有锚框标记的目标检测结果；

S2：根据采集视频数据中的目标检测结果，利用LSTM模型构建基于目标检测结果的客流预测模型；

S3：利用共轭梯度算法对所构建的客流预测模型进行参数优化，得到参数调优后的客流预测模型；

S4：对实时的公共交通视频进行目标检测，将目标检测结果作为客流预测模型的输入，客流预测模型预测下一时刻的客流量，将所预测的下一时刻客流量与设定的客流量阈值进行对比，若预测的客流量大于客流量阈值，则说明存在公共交通客流异常，需要进行客流疏导。

2.如权利要求1所述的一种公共交通异常客流检测方法，其特征在于，所述S1步骤中，采集公共交通视频数据后，将所采集的公共交通视频数据切分为若干视频帧，包括：采集公共交通视频数据，并将所采集的公共交通视频数据切分未若干视频帧，所切分的视频帧集合为：；

其中：

表示时刻的视频帧；

n表示将公共交通视频数据切分的视频帧总数。

3.如权利要求1所述的一种公共交通异常客流检测方法，其特征在于，所述S2步骤中利用LSTM模型构建基于目标检测结果的客流预测模型，包括：利用LSTM模型构建客流预测模型，所述构建客流预测模型的步骤为：构建客流预测模型的遗忘门：

其中：

为目标检测结果向量；

W，U为权重矩阵；V表示对角矩阵；

为当前时刻的活性值，表示上一时刻的细胞状态；

更新客流预测模型的遗忘门参数：

客流预测模型的输出结果为：

其中：

表示在未来时刻的客流量。

4.如权利要求1所述的一种公共交通异常客流检测方法，其特征在于，所述S3步骤中利用共轭梯度算法对客流预测模型进行参数优化，包括：建立客流预测模型的目标函数：

其中：

以时刻前的目标检测结果作为客流预测模型的输入，输出时刻的客流量；

表示目标检测算法检测到的时刻的客流量；

F表示输入客流预测模型的目标检测结果；

利用共轭梯度算法对客流预测模型进行参数优化，所述参数优化流程为：

1）计算目标函数的梯度，则在时刻的目标函数梯度为；

2）初始化时刻的目标检测结果0，时刻的目标检测结果，表示时刻前的目标检测结果向量；t的初始值为0；

3）若，则停止参数优化，此时模型参数为最优参数，其中表示优化阈值；否则转4）；

4）取步长系数，参数因子满足，其中T表示转置；

5）计算步长系数：

根据上述两式确定算法的步长系数；

6）则由时刻转向时刻，并返回步骤3）。

5.如权利要求1所述的一种公共交通异常客流检测方法，其特征在于，所述S4步骤中对实时的公共交通视频进行目标检测，将目标检测结果作为客流预测模型的输入，包括：利用改进的目标检测算法对实时的公共交通视频进行目标检测，将当前时刻的目标检测结果以及历史时刻的目标检测结果作为参数优化后客流预测模型的输入，客流预测模型输出对公共交通中下一时刻客流量的预测结果。

6.如权利要求5所述的一种公共交通异常客流检测方法，其特征在于，所述S4步骤中将所预测的下一时刻客流量与设定的客流量阈值进行对比，包括：根据客流预测模型对公共交通中下一时刻客流量的预测结果，将所预测下一时刻的客流量与设定的客流量阈值进行对比，若预测的客流量大于客流量阈值，则说明存在公共交通客流异常，需要进行客流疏导。