1.一種圖像檢測(cè)方法，其特征在于，包括：
利用訓(xùn)練得到的adaboost分類器定位被檢測(cè)圖像中的目標(biāo)圖像，得到每個(gè)第一窗口圖像，其中，所述第一窗口圖像包含或不包含所述目標(biāo)圖像的圖像內(nèi)容；
利用訓(xùn)練得到的深度學(xué)習(xí)模型，分別識(shí)別每個(gè)所述第一窗口圖像中是否包含所述目標(biāo)圖像的圖像內(nèi)容，得到所有第二窗口圖像，其中，所述第二窗口圖像為包含所述目標(biāo)圖像的圖像內(nèi)容的第一窗口圖像；
根據(jù)所述所有第二窗口圖像，確定所述被檢測(cè)圖像中的目標(biāo)圖像。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述所有第二窗口圖像，確定所述被檢測(cè)圖像中的目標(biāo)圖像，包括：
利用訓(xùn)練得到的BBOX回歸器，對(duì)所述第二窗口圖像對(duì)應(yīng)的窗口數(shù)據(jù)進(jìn)行BBOX回歸得到第三窗口圖像，其中，所述窗口數(shù)據(jù)包括所述第二窗口圖像的圖像特征和所述第二窗口圖像在所述被檢測(cè)圖像中的位置信息，所述第三窗口圖像包含所述目標(biāo)圖像的全部或大部分圖像內(nèi)容；
根據(jù)所有所述第三窗口圖像得到一個(gè)第四窗口圖像，其中，所述第四窗口圖像包含所述目標(biāo)圖像的全部或大部分圖像內(nèi)容。
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述根據(jù)所有所述第三窗口圖像得到一個(gè)第四窗口圖像，包括：
對(duì)所有所述第三窗口圖像對(duì)應(yīng)的窗口進(jìn)行非極大值抑制NMS過濾，得到一個(gè)第四窗口圖像。
4.根據(jù)權(quán)利要求1至3任一項(xiàng)所述的方法，其特征在于，所述被檢測(cè)圖像是視頻圖像的前景圖像。
5.根據(jù)權(quán)利要求1至3任一項(xiàng)所述的方法，其特征在于，當(dāng)所述被檢測(cè)圖像中包含兩個(gè)以上的目標(biāo)圖像時(shí)，所述方法采用圖像處理器并行檢測(cè)所述被檢測(cè)圖像中的每個(gè)目標(biāo)圖像。
6.一種圖像檢測(cè)裝置，其特征在于，包括：
圖像定位單元，用于利用訓(xùn)練得到的adaboost分類器定位被檢測(cè)圖像中的目標(biāo)圖像，得到每個(gè)第一窗口圖像，其中，所述第一窗口圖像包含或不包含所述目標(biāo)圖像的圖像內(nèi)容；
圖像識(shí)別單元，用于利用訓(xùn)練得到的深度學(xué)習(xí)模型，分別識(shí)別每個(gè)所述第一窗口圖像中是否包含所述目標(biāo)圖像的圖像內(nèi)容，得到所有第二窗口圖像，其中，所述第二窗口圖像為包含所述目標(biāo)圖像的圖像內(nèi)容的第一窗口圖像；
圖像檢測(cè)單元，用于根據(jù)所述所有第二窗口圖像，確定所述被檢測(cè)圖像中的目標(biāo)圖像。
7.根據(jù)權(quán)利要求6所述的裝置，其特征在于，所述圖像檢測(cè)單元，包括：
位置調(diào)優(yōu)子單元，用于利用訓(xùn)練得到的BBOX回歸器，對(duì)所述第二窗口圖像對(duì)應(yīng)的窗口數(shù)據(jù)進(jìn)行BBOX回歸得到第三窗口圖像，其中，所述窗口數(shù)據(jù)包括所述第二窗口圖像的圖像特征和所述第二窗口圖像在所述被檢測(cè)圖像中的位置信息，所述第三窗口圖像包含所述目標(biāo)圖像的全部或大部分圖像內(nèi)容；
圖像檢測(cè)子單元，用于根據(jù)所有所述第三窗口圖像得到一個(gè)第四窗口圖像，其中，所述第四窗口圖像包含所述目標(biāo)圖像的全部或大部分圖像內(nèi)容。
8.根據(jù)權(quán)利要求7所述的裝置，其特征在于，所述圖像檢測(cè)子單元，具體用于對(duì)所有所述第三窗口圖像對(duì)應(yīng)的窗口進(jìn)行非極大值抑制NMS過濾，得到一個(gè)第四窗口圖像。
9.根據(jù)權(quán)利要求6至8任一項(xiàng)所述的裝置，其特征在于，所述被檢測(cè)圖像是視頻圖像的前景圖像。
10.根據(jù)權(quán)利要求6至8任一項(xiàng)所述的裝置，其特征在于，當(dāng)所述被檢測(cè)圖像中包含兩個(gè)以上的目標(biāo)圖像時(shí)，所述裝置采用圖像處理器并行檢測(cè)所述被檢測(cè)圖像中的每個(gè)目標(biāo)圖像。