1.一种基于视频图像的内涝场景下行人风险评估方法，其特征在于，该方法包括如下步骤：步骤(1)内涝场景下的行人检测

从内涝场景下的视频图像中检测出行人，记录包含行人目标的外接矩形框；

步骤(2)内涝场景下的行人性别识别

①构建内涝场景下的行人性别分类器：将用于二分类的Softmax层及其全连接层替换Inception‑v3模型原有Softmax层及其全连接层，得到新Inception‑v3模型，将利用内涝场景下的男性和女性行人图像集训练过的新Inception‑v3模型作为内涝场景下的行人性别分类器；

②利用该性别分类器识别出外接矩形框范围内行人的性别；

步骤(3)内涝场景下的行人年龄段识别

①构建行人年龄段分类器：将用于三分类的Softmax层及其全连接层替换Inception‑v3模型原有Softmax层及其全连接层，得到新Inception‑v3模型，将利用内涝场景下的少年、壮年和老年行人图像集训练过的新Inception‑v3模型作为内涝场景下的行人年龄段分类器；

②利用该年龄段分类器识别出外接矩形框范围内行人的年龄段；

步骤(4)水面分割

①利用Labelme工具为水面分割准备所需训练数据集，训练SegNet模型；

②利用SegNet模型从视频图像中分割出水面，记录水面的多边形区域范围；

步骤(5)行人淹没部位判别

①根据行人目标外接矩形框与水面多边形区域的空间关系，判断出行人是否处于积水当中；

②对于未处于积水当中的行人，其淹没部位为“无”；

③对于处于积水当中的行人，利用OpenPose检测出外接矩形框范围内行人的人体部位关键点并存储；根据人体部位关键点信息推断出行人被积水淹没的大致部位；

步骤(6)行人风险指数评估

①将行人的性别和年龄段组合作为脆弱性指标，将行人的淹没部位作为危险性指标；

②确定各个性别和年龄段组合对应的脆弱性指数以及各个淹没部位对应的危险性指数；

③将行人个体的脆弱性指数与行人个体的危险性指数乘积定义为行人的个体风险指数；将视频图像范围内所有行人的个体风险指数之和定义为行人的总体风险指数；将视频图像范围内所有行人的个人风险指数的平均值定义为行人的平均风险指数；

④从视频图像中提取各个行人个体的性别、年龄段和人体淹没部位，根据性别、年龄段和人体淹没部位分别得到对应的脆弱性指数和危险性指数，进而计算得到行人的个体风险指数、总体风险指数和平均风险指数。

2.根据权利要求1所述的一种基于视频图像的内涝场景下行人风险评估方法，其特征在于：所述的从内涝场景下的视频图像中检测出行人，是通过利用YOLOv5模型检测出行人目标，得到行人目标的外接矩形框。

3.根据权利要求1所述的一种基于视频图像的内涝场景下行人风险评估方法，其特征在于：所述的内涝场景下的行人性别识别，具体包括以下步骤：①搜集内涝场景下的行人图像，通过人工判别将行人分为男性和女性两类，构建内涝场景下的行人性别图像样本库；

②将用于二分类的Softmax层及其全连接层替换Inception‑v3模型原有的Softmax层及其全连接层，得到新的Inception‑v3模型；

③使用内涝场景下的行人性别图像样本库训练这个新的Inception‑v3模型的Softmax层及其全连接层的参数，模型其它层的参数保持不变，模型优化采用Adam算法，得到基于Inception‑v3模型的内涝场景下行人性别分类器；

④获取行人目标的外接矩形框内图像，将其输入至该行人性别分类器计算得到行人性别。

4.根据权利要求1所述的一种基于视频图像的内涝场景下行人风险评估方法，其特征在于：所述的内涝场景下的行人年龄段识别，具体包括以下步骤：①搜集内涝场景下的行人图像，通过人工判别将行人分为少年、壮年和老年三类，构建内涝场景下的行人年龄段图像样本库；

②将用于三分类的Softmax层及其全连接层替换Inception‑v3模型原有的Softmax层及其全连接层，得到新的Inception‑v3模型；

③使用内涝场景下的行人年龄段图像样本库训练这个新的Inception‑v3模型的Softmax层及其全连接层的参数，模型其它层的参数保持不变，模型优化采用Adam算法，得到基于Inception‑v3模型的内涝场景下行人年龄段分类器；

④获取行人目标的外接矩形框内图像，将其输入至该行人年龄段分类器计算得到行人年龄段。

5.根据权利要求1所述的一种基于视频图像的内涝场景下行人风险评估方法，其特征在于：所述的利用Labelme工具为水面分割准备所需训练数据集，训练SegNet模型，具体为：利用Labelme工具标注出图像中的水面以及背景物，标注后会生成对应的json文件，再利用json文件生成训练SegNet模型所需的数据集；利用生成的数据集训练SegNet模型，模型优化采用Adam算法。

6.根据权利要求1所述的一种基于视频图像的内涝场景下行人风险评估方法，其特征在于：所述的根据人体部位关键点信息推断出行人被积水淹没的大致部位，具体为：步骤①:根据存储信息，依次为左眼、右眼、左耳、右耳、鼻子、脖子、左肩膀、右肩膀、左臀部、右臀部、左膝盖、右膝盖、左脚踝和右脚踝这些关键点分别创建一个元组对象[关键点的名称，关键点的x值，关键点的y值和关键点的c值]，x值和y值代表关键点位置信息，c值代表置信度；

将这些元组对象按照同样的顺序依次入栈，入栈完成后，栈顶的元组对象为右脚踝的元组对象，栈底的元组对象为左眼的元组对象；需要说明的是，若关键点被积水淹没，会导致关键点被OpenPose检测不到，关键点的[x值,y值,c值]会被OpenPose赋值为[0,0,0]；

步骤②:读取栈顶的元组对象，判断该元组对象的[x值,y值,c值]是否为[0,0,0]，若[x值,y值,c值]为[0,0,0],则该元组对象出栈，继续回到步骤②；否则进入步骤③；

步骤③:根据该元组对象的关键点名称确定淹没部位，确定淹没部位的规则如下：·若关键点名称为左脚踝或右脚踝，则淹没部位为脚踝以下；

·若关键点名称为左膝盖或右膝盖，则淹没部位为脚踝～膝盖；

·若关键点名称为左臀部或右臀部，则淹没部位为膝盖～臀部；

·若关键点名称为左肩膀或右肩膀，则淹没部位为臀部～肩膀；

若关键点名称为脖子、鼻子、左耳朵、右耳朵、左眼睛或右眼睛，则淹没范围为肩膀以上。

7.根据权利要求1所述的一种基于视频图像的内涝场景下行人风险评估方法，其特征在于：确定各个性别和年龄段组合对应的脆弱性指数以及各个淹没部位对应的危险性指数采用调查问卷方式。