1.一种基于注意力机制流网络的流体灾害检测预警平台，其特征在于，包括如下内容：
通过多路摄像头采集实时数据，向视频服务器发送采集的视频流数据，提取视频流数据中的关键帧图像，将关键帧图像中任意两帧图像输入到注意力模型Atten中，利用算法计算并输出上述任意两帧图像上的计算结果和洪水的最大边界，并利用预警线来比较洪水边界是否触发到警戒阈值，若触发即可预警相应的预警等级，否则不触发，继续下一阶段的数据提取和预警操作。
2.根据权利要求1所述的一种基于注意力机制流网络的流体灾害检测预警平台，其特征在于，所述注意力模型Atten的表达式如下：
式中，Q作为查询向量，是第二帧图像的展平特征，K和V是第一帧图像的展平特征，dk是Q和K特征维度的通道数。
3.根据权利要求1所述的一种基于注意力机制流网络的流体灾害检测预警平台，其特征在于，所述任意两帧图像为连续两帧图像或间隔一段时间的两帧图像。
4.根据权利要求1所述的一种基于注意力机制流网络的流体灾害检测预警平台，其特征在于，所述算法包括基于注意力的流网络算法和视频流检测的整体算法。
5.根据权利要求4所述的一种基于注意力机制流网络的流体灾害检测预警平台，其特征在于，所述基于注意力的流网络算法具体包括以下步骤：
(1)
S101：利用特征提取器F 把图像S1，S2所提取的特征分别为：
(1)
f1＝F (S1)
(1)
f2＝F (S2)
(2)
利用特征提取器F 再把图像S1所提取的特征为：
初始化一个与f1同尺寸的空白流flow0；
S102：利用注意力模型Atten计算f1和f2的相关性矩阵 为：
S103：利用n次迭代不断更新空白流flow0，利用流网络Flownet最终的迭代公式如下：
式中， 最终获得的flow0就是图像S1、S2的算法检测结果。
6.根据权利要求4所述的一种基于注意力机制流网络的流体灾害检测预警平台，其特征在于，所述视频流检测的整体算法具体包括如下步骤：
S201：向注意力的流网络中输入视频流数据S，和固定间隔k，以及左预警线l1和右警戒线l2，视频流S由一系列的帧图像组成，即
S＝{Si,Si+1,…,Si+k,Si+k+1,…,Sn,…}
S202：从某帧开始，依次取相隔k帧的图像作为以上算法的配对输入数据，即{Si,Si+k},{Si+1,Si+k+1},…
对每对输入数据{Si,Si+k}送入到注意力的流网络中，并最终输出flown，并对该输出利用opencv算法对其进行边界检测，获得流体的最大轮廓L(t,b,l,r)，其中，t,b,l,r分别表示该轮廓的最小x坐标、最大x坐标、最小y坐标、最大y坐标；
S203：对于视频流中的每一对计算结果flown，如果L(t,b,l,r)的(t,l)或(b,r)落在警戒线l1和l2所组成的区域外时，即可触发预警；否则，不触发预警。