1.一种基于多视角深度相机实现路况实时还原的路口监控方法，其特征在于，所述路口监控方法包括：
通过安装在路口的多台深度相机分别获取路口的实时视频流，多台深度相机按照不同的视角拍摄所述路口，且多台深度相机的视场范围全覆盖所述路口，每台深度相机获取到的实时视频流包括实时彩色视频流和实时深度视频流；
利用基于YOLOv7的目标检测模型对每一台深度相机采集到的实时彩色视频流进行目标检测；
当在至少一台深度相机采集到的实时彩色视频流中检测到待监控事件对应的待识别目标时，提取每台深度相机从检测到待识别目标开始的预定时段内的各个采样时刻获取到的重建图像帧，每个重建图像帧包括彩色图像和深度数据；
对获取到的每个重建图像帧中的彩色图像进行图像分割确定所述重建图像帧的特征区域，利用每个重建图像帧的特征区域内的彩色图像和深度数据重建得到所述路口针对所述待监控事件的实时三维重建模型。
2.根据权利要求1所述的路口监控方法，其特征在于，所述重建得到所述路口针对所述待监控事件的实时三维重建模型包括对于各台深度相机在同一个采样时刻获取到的重建图像帧：
根据每台深度相机获取到的重建图像帧中的深度数据，将所述重建图像帧的特征区域内的彩色图像中的各个像素点转换为所述深度相机的相机三维坐标系中的三维点云；
根据每台深度相机在路口的安装位置确定所述深度相机的相机三维坐标系与路口坐标系之间的转换关系，根据每台深度相机的相机三维坐标系与路口坐标系之间的转换关系将所述深度相机的相机三维坐标系中的三维点云转换到路口坐标系中，重建得到当前采样时刻下的实时三维重建模型。
3.根据权利要求2所述的路口监控方法，其特征在于，确定每台深度相机获取到的重建图像帧的特征区域内的彩色图像中任一像素点转换得到的三维点云的三维坐标为其中，所述像素点在图像坐标系中的二维坐标为(x，y)，所述像素点对应的深度数据为d，f是所述深度相机的焦距。
4.根据权利要求1所述的路口监控方法，其特征在于，所述目标检测模型在YOLOv7模型的特征提取块中集成混合注意力模块得到，每个混合注意力模块包括通道注意力模块和空间注意力模块，通道注意力模块对YOLOv7模型的特征提取块提取到的特征图F1进行通道维度的加权处理得到特征图F2，特征图F1和特征图F2相乘得到特征图F3并输入空间注意力模块进行空间上的加权处理得到特征图F4，特征图F3和特征图F4相乘得到加权特征图后输出。
5.根据权利要求4所述的路口监控方法，其特征在于，在所述通道注意力模块中，输入的特征图F1分别提供给全局最大池化层和全局平均池化层，全局最大池化层输出的特征图经过多层感知机后的特征图与全局平均池化层输出的特征图经过多层感知机后的特征图相加，最后通过Sigmoid激活函数生成特征图F2。
6.根据权利要求4所述的路口监控方法，其特征在于，在所述空间注意力模块中，输入的特征图F3分别提供给全局最大池化层和全局平均池化层，全局最大池化层输出的特征图与全局平均池化层输出的特征图在通道维度上进行拼接后，经过一个7×7的卷积层将通道数压缩到1，最后使用sigmoid激活函数生成特征图F4。
7.根据权利要求1所述的路口监控方法，其特征在于，所述路口监控方法还包括：
在重建得到所述路口针对所述待监控事件的实时三维重建模型后，当基于所述实时三维重建模型检测到所述待监控事件对应的异常情况时，输出报警信号提示所述异常情况。
8.根据权利要求1所述的路口监控方法，其特征在于，不同的待监控事件对应的待识别目标和异常情况均不同。
9.根据权利要求8所述的路口监控方法，其特征在于，
所述待检测事件为限高报警事件，对应的待识别目标为大型车辆，当基于所述实时三维重建模型检测到大型车辆的高度达到高度阈值时确定检测到所述待监控事件对应的异常情况；
或者，
所述待检测事件为非机动车无头盔报警事件，对应的待识别目标为非机动车辆，当基于所述实时三维重建模型检测到非机动车辆上的驾驶员不存在安全帽时确定检测到所述待监控事件对应的异常情况；
或者，
所述待检测事件为事故责任认定事件，对应的待识别目标为发生事故的车辆。
10.根据权利要求1所述的路口监控方法，其特征在于，所述对获取到的每个重建图像帧中的彩色图像进行图像分割确定所述重建图像帧的特征区域包括：
将重建图像帧中的彩色图像输入Solov2图像分割模型中得到实例掩码，所述实例掩码指示所述重建图像帧的特征区域。