1.一种手势检测网络训练方法，其特征在于，包括：

根据含有人手标注信息的样本图像训练第一卷积神经网络，得到所述第一卷积神经网络针对所述样本图像的人手候选区域的预测信息；

将用于检测手势的第二卷积神经网络的第二特征提取层参数，替换为训练后的所述第一卷积神经网络的第一特征提取层参数；

根据所述人手候选区域的预测信息和所述样本图像训练所述第二卷积神经网络参数，并在训练过程中保持所述第二特征提取层参数不变。

2.根据权利要求1所述的方法，其特征在于，根据所述人手候选区域的预测结果和所述样本图像训练所述第二卷积神经网络参数，包括：修正所述人手候选区域的预测信息；

根据修正后的所述人手候选区域的预测信息和所述样本图像训练所述第二卷积神经网络参数。

3.根据权利要求1或2所述的方法，其特征在于，所述人手标注信息包括人手区域的标注信息。

4.根据权利要求3所述的方法，其特征在于，所述人手标注信息包括手势的标注信息。

5.一种手势检测方法，其特征在于，包括：

采用第四卷积神经网络检测图像，获得所述图像的第一特征信息和人手候选区域的预测信息，所述图像包括静态图像或视频中的图像；

将所述第一特征信息和所述人手候选区域的预测信息作为第五卷积神经网络的第二特征信息，并采用所述第五卷积神经网络根据所述第二特征信息进行所述图像的手势检测，得到所述图像的手势检测结果；其中，所述第四卷积神经网络的第四特征提取层参数和所述第五卷积神经网络的第五特征提取层参数相同。

6.一种手势控制方法，其特征在于，包括：

采用如权利要求1-4任一所述的方法训练而得的手势检测网络检测图像，或者，采用如权利要求5所述的方法检测图像，得到所述图像的手势检测结果，所述图像包括静态图像或视频中的图像；

至少根据所述图像的手势检测结果触发相应的控制操作。

7.一种手势检测网络训练装置，其特征在于，包括：

第一训练模块，用于根据含有人手标注信息的样本图像训练第一卷积神经网络，得到所述第一卷积神经网络针对所述样本图像的人手候选区域的预测信息；

参数替换模块，用于将用于检测手势的第二卷积神经网络的第二特征提取层参数，替换为训练后的所述第一卷积神经网络的第一特征提取层参数；

第二训练模块，用于根据所述人手候选区域的预测信息和所述样本图像训练所述第二卷积神经网络参数，并在训练过程中保持所述第二特征提取层参数不变。

8.一种手势检测装置，其特征在于，包括：

第一获得模块，用于采用第四卷积神经网络检测图像，获得所述图像的第一特征信息和人手候选区域的预测信息，所述图像包括静态图像或视频中的图像；

检测模块，用于将所述第一特征信息和所述人手候选区域的预测信息作为第五卷积神经网络的第二特征信息，并采用所述第五卷积神经网络根据所述第二特征信息进行所述图像的手势检测，得到所述图像的手势检测结果；其中，所述第四卷积神经网络的第四特征提取层参数和所述第五卷积神经网络的第五特征提取层参数相同。

9.一种手势控制装置，其特征在于，包括：

第二获得模块，用于采用如权利要求7所述的装置训练而得的手势检测网络检测图像，或者，采用如权利要求8所述的装置检测图像，得到所述图像的手势检测结果，所述图像包括静态图像或视频中的图像；

触发模块，用于至少根据所述图像的手势检测结果触发相应的控制操作。

10.一种电子设备，其特征在于，包括：壳体、处理器、存储器、电路板和电源电路，其中，所述电路板安置在所述壳体围成的空间内部，所述处理器和所述存储器设置在所述电路板上；所述电源电路，用于为终端的各个电路或器件供电；所述存储器用于存储可执行程序代码；所述处理器通过读取所述存储器中存储的可执行程序代码来运行与可执行程序代码对应的程序，以用于执行权利要求1-4中任一项所述的手势检测网络训练方法、或权利要求5中任一项所述的手势检测方法、或权利要求6中任一项所述的手势控制方法。