1.一种基于人工智能的汽车充电桩监控系统，其特征是，包括智能监控模块、信息传输模块和远程监控终端，所述智能监控模块包括视频监控单元、红外监控单元和位置信息采集单元，所述视频监控单元用于采集汽车充电桩的视频图像，所述红外监控单元用于采集汽车充电桩的红外图像，所述位置信息采集单元用于采集所述汽车充电桩的位置信息，所述智能监控模块将采集的图像和位置信息通过信息传输模块传输至远程监控终端，所述远程监控终端包括图像处理单元、危险预警单元和信息显示单元，所述图像处理单元用于对接收到的红外图像进行处理，所述危险预警单元根据处理后的红外图像对汽车充电桩的安全进行判断，当判断汽车充电桩存在危险时进行预警，所述信息显示单元用于显示接收到的视频图像和位置信息。

2.根据权利要求1所述的一种基于人工智能的汽车充电桩监控系统，其特征是，所述图像处理单元用于对接收到的红外图像进行滤波处理，并在滤波处理后的红外图像中提取汽车充电桩的区域图像。

3.根据权利要求2所述的一种基于人工智能的汽车充电桩监控系统，其特征是，设I表示图像处理单元接收到的红外图像，I′表示图像处理单元对红外图像I进行滤波处理后的红外图像，设红外图像I′的大小为M×N，将红外图像I′划分为K个大小为n×n的图像块，其中，0＜n＜M且0＜n＜N，对划分的图像块进行检测，设si表示第i个图像块，定义图像块si对应的检测函数ρ(si)为：ρ(si)＝A(si)*B(si)

式中，A(si)表示图像块si的灰度检测因子，B(si)表示图像块si的空间检测因子，m(si)表示图像块si中像素灰度值的种类，sj表示第j个图像块，m(sj)表示图像块sj中像素灰度值的种类，fy(si)表示图像块si中的第y种灰度值，Ny(si)表示图像块si中灰度值为第y种灰度值的像素数，fx(sj)表示图像块sj中的第x种灰度值，Nx(sj)表示图像块sj中灰度值为第x种灰度值的像素数，N(si)表示图像块si中的像素数，N(sj)表示图像块sj中的像素数，d(si，sj)表示图像块si和图像块sj之间的距离，且 其中，(xi，yi)表示图像块si的中心位置的坐标，(xj，yi)表示图像块sj的中心位置的坐标，(xI′，yI′)表示红外图像I′的中心位置的坐标，U(si)表示图像块si的邻域图像块集合，且se表示集合U(si)中的第e

个图像块，(xe，ye)表示图像块se的中心位置的坐标，E(si)表示集合U(si)中的图像块数，K(s)为给定的灰度检测阈值，且K(s)＝midj＝1，2，...，KA(sj)，A(sj)表示图像块sj的灰度检测因子，A(se)表示图像块se的灰度检测因子，λ(A(se)，K(s))表示判断函数，当A(se)＞K(s)时，λ(A(se)，K(s))＝1，当A(se)≤K(s)时，λ(A(se)，K(s))＝0.01；

给定目标检测阈值H(ρ)，且 当图像块si对

应的检测函数ρ(si)≥H(ρ)时，则图像块si为目标图像块，图像块si中的像素即为目标像素，当图像块si对应的检测函数ρ(si)＜H(ρ)时，则图像块si为背景图像块，其中，E(ρ)表示图像块的检测函数值的均值，σ(ρ)表示图像块的检测函数值的标准差，ρ(sj)表示图像块sj的检测函数值。

4.根据权利要求3所述的一种基于人工智能的汽车充电桩监控系统，其特征是，设集合Q(I′)表示检测所得的目标图像块集合，且Q(I′)＝{sq，q＝1，2，...，M(Q)}，P(I′)表示检测所得的背景图像块集合，且P(I′)＝{sp，p＝1，2，...，M(P)}，其中，sq表示集合Q(I′)中的第q个目标图像块，M(Q)表示集合Q(I′)中的目标图像块数，sp表示集合P(I′)中的第p个背景图像块，M(P)表示集合P(I′)中的背景图像块数，对集合P(I′)中的背景图像块进行筛选，定义背景图像块sp对应的筛选函数为γ(sp)，则γ(sp)的表达式为：式中，σ′p表示背景图像块sp中像素灰度值的标准差，σ′j表示图像块sj中像素灰度值的标准差，U(sp)表示背景图像块sp的邻域图像块集合，且sv表示集合U(sp)中的第v个图像块，(xv，yv)表示图像块sv的中心位置

的坐标，E(sp)表示集合U(sp)中的图像块数，υ(sp)为取值函数，当邻域图像块集合U(sp)中存在背景图像块时，则υ(sp)＝1，当邻域图像块集合U(sp)中不存在背景图像块时，则υ(sp)＝0， 为取值函数，当邻域图像块集合U(sp)中存在目标图像块时，则 当邻域图像块集合U(sp)中不存在目标图像块时，则

当背景图像块sp对应的筛选函数 时，则判定背景图像块sp

中存在目标像素，其中， 表示集合Q(I′)中目标图像块的像素灰度值的标准差的均值，表示集合P(I′)中背景图像块的像素灰度值的标准差的均值，对背景图像块sp中的像素进行检测，具体包括：(1)设C(sp)表示背景图像块sp中的目标像素集合，I′p(i，j)表示背景图像块sp中坐标(i，j)处的像素，定义像素I′p(i，j)对应的初始像素检测函数为ω′p(i，j)，且ω′p(i，j)的表达式为：式中，φ(sv)为判断函数，当图像块sv为目标图像块时，则φ(sv)＝1，当图像块sv为背景图像块时，则φ(sv)＝0，D′p(i，j)为像素I′p(i，j)的邻域检测因子，且D′p(i，j)的表达式为：式中，f′p(i，j)表示像素I′p(i，j)的灰度值，I′v(x，y)表示图像块sv中坐标(x，y)处的像素，f′v(x，y)表示像素I′v(x，y)的灰度值，f′(sv)表示图像块sv中像素对于像素I′p(i，j)的参考灰度值；

计算背景图像块sp中各像素的初始像素检测函数值，并将各像素按其初始像素检测函数值由小到大进行排列，判定前2个像素为目标像素，并将这两个像素加入到集合C(sp)中；

(2)对图像块sp中的其他像素进行检测，设I′p(k，l)表示背景图像块sp中坐标(k，l)处的像素，定义像素I′p(k，l)对应的像素检测函数为β′p(k，l)，且β′p(k，l)的表达式为：β′p(k，l)＝σ(D′p(k，l)，H(D))*ε(S′p(k，l)，H(S))

式中，D′p(k，l)为像素I′p(k，l)的邻域检测因子，H(D)为邻域判断阈值，设 表示图像块sv中灰度值最大的像素，(c，d)为像素 在图像块sv中的坐标，则表示像素 的灰度值， 表

示图像块sv中像素灰度值的中值，σ(D′p(k，l)，H(D))为邻域判断因子，当D′p(k，l)≤H(D)时，则σ(D′p(k，l)，H(D))＝1，当D′p(k，l)＞H(D)时则σ(D′p(k，l)，H(D))＝0，S′p(k，l)为像素I′p(k，l)的局部检测因子，且S′p(k，l)的表达式为：式中，f′p(k，l)表示像素I′p(k，l)的灰度值，I′p(a，b)表示背景像素图像块sp中坐标(a，b)处的像素，且I′p(a，b)为集合C(sp)中的像素，H(S)为局部判断阈值，且f′max(C)表示集合C(sp)中像素灰度值的最大值，f′min(C)表示集合

C(sp)中像素灰度值的最小值，ε(S′p(k，l)，H(S))为局部判断因子，当S′p(k，l)＜H(S)时，则ε(S′p(k，l)，H(S))＝1，当S′p(k，l)≥H(S)时，则ε(S′p(k，l)，H(S))＝0，当像素I′p(k，l)对应的像素检测函数β′p(k，l)＝1时，则像素I′p(k，l)为目标像素，并将像素I′p(k，l)加入到集合C(sp)中。

5.根据权利要求4所述的一种基于人工智能的汽车充电桩监控系统，其特征是，根据获取的目标图像块和上述背景图像块中检测所得的目标像素确定红外图像I′中的汽车充电桩的区域图像。