1.一种获取属性的分类信息的方法，其特征在于，所述方法包括：

将多个样本图像，输入特征提取模型，分别得到每个样本图像的特征信息，将所述每个样本图像的特征信息分别输入多个属性分类模型，得到每个样本图像对应的多种属性的分类信息；

根据每个样本图像对应的多种属性的分类信息、以及预设的每个样本图像对应的多种属性的基准分类信息，分别对所述特征提取模型与所述多个属性分类模型进行模型参数调整，得到训练后的特征提取模型与多个训练后的属性分类模型；

当获取到待获取分类信息的目标图像时，将所述目标图像输入所述训练后的特征提取模型，得到目标特征信息，将所述目标特征信息分别输入所述多个训练后的属性分类模型，得到所述目标图像对应的多种属性的分类信息。

2.根据权利要求1所述的方法，其特征在于，根据所述每个样本图像对应的多种属性的分类信息、以及预设的每个样本图像对应的多种属性的基准分类信息，对所述特征提取模型进行模型参数调整，得到训练后的特征提取模型，包括：根据所述每个样本图像对应的多种属性的分类信息，确定具有每种属性的样本图像分别在所述多个样本图像中所占的比例值，得到第一比例值集合；

根据预设的每个样本图像对应的多种属性的基准分类信息，确定具有每种属性的样本图像分别在所述多个样本图像中所占的比例值，得到第二比例值集合；

基于第一损失函数、所述第一比例值集合中每种属性对应的比例值、以及所述第二比例值集合中每种属性对应的比例值，确定所述特征提取模型对应的修正数据；

基于所述特征提取模型对应的修正数据，对所述特征提取模型进行模型参数调整，得到训练后的特征提取模型。

3.根据权利要求1所述的方法，其特征在于，根据所述每个样本图像对应的多种属性的分类信息、以及预设的每个样本图像对应的多种属性的基准分类信息，对所述多个属性分类模型进行模型参数调整，得到多个训练后的属性分类模型，包括：在每个样本图像对应的属性i的分类信息中，获取对应的分类结果为分类j的分类信息，基于第二损失函数、所述对应的分类结果为分类j的分类信息、以及所述属性i对应的预设基准值，确定所述属性i的属性分类模型中与分类j相对应的模型部分的修正数据，其中，属性i是所述多种属性中的任一属性，所述分类j是所述属性i对应的所有分类中的任一分类；

在预设的每个样本图像对应的所述属性i的基准分类信息中，分别确定对应每个分类的基准分类信息所占的比例值；

根据所述属性i的属性分类模型中与每个分类相对应的模型部分的修正数据、以及所述对应每个分类的基准分类信息所占的比例值，确定所述属性i的属性分类模型对应的修正数据；

分别基于所述多个属性分类模型中的每个属性分类模型对应的修正数据，对每个属性分类模型进行模型参数调整，得到多个训练后的属性分类模型。

4.根据权利要求3所述的方法，其特征在于，所述根据所述属性i的属性分类模型中与每个分类相对应的模型部分的修正数据、以及所述对应每个分类的基准分类信息所占的比例值，确定所述属性i的属性分类模型对应的修正数据，包括：根据以下公式，计算所述属性i的属性分类模型中与分类j相对应的模型部分的进行权重调整后的修正数据：Xj’＝Xj×(A1×A2×……×An)/Aj，其中，Xj’为所述属性i的属性分类模型中与分类j相对应的模型部分的进行权重调整后的修正数据，Xj为所述属性i的属性分类模型中与分类j相对应的模型部分的修正数据，A1、A2、……An为所述对应每个分类的基准分类信息所占的比例值，Aj为对应分类j的基准分类信息所占的比例值；

根据所述属性i的属性分类模型中与每个分类相对应的模型部分的进行权重调整后的修正数据，确定所述属性i的属性分类模型对应的修正数据。

5.根据权利要求1所述的方法，其特征在于，所述当获取到待获取分类信息的目标图像时，将所述目标图像输入所述训练后的特征提取模型，得到目标特征信息，将所述目标特征信息分别输入所述多个训练后的属性分类模型，得到所述目标图像对应的多种属性的分类信息，包括：当获取到待获取分类信息的目标图像以及至少一种目标属性的标识时，将所述目标图像输入所述训练后的特征提取模型，得到目标特征信息，将所述目标特征信息分别输入所述至少一种目标属性对应的训练后的属性分类模型，得到所述目标图像对应的所述至少一种目标属性的分类信息。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

添加至少一个新增属性对应的属性分类模型；

将多个样本图像，输入特征提取模型，分别得到每个样本图像的特征信息，将所述每个样本图像的特征信息分别输入包含所述至少一个新增属性对应的属性分类模型的多个属性分类模型，得到每个样本图像对应的包含所述至少一个新增属性的多种属性的分类信息；

根据每个样本图像对应的包含所述至少一个新增属性的多种属性的分类信息、以及预设的每个样本图像对应的包含所述至少一个新增属性的多种属性的基准分类信息，分别对所述特征提取模型与所述包含所述至少一个新增属性对应的属性分类模型的多个属性分类模型进行模型参数调整，得到训练后的特征提取模型与包含至少一个新增属性对应的训练后的属性分类模型的多个训练后的属性分类模型；

当获取到待获取分类信息的目标图像时，将所述目标图像输入所述训练后的特征提取模型，得到目标特征信息，将所述目标特征信息分别输入所述包含所述至少一个新增属性对应的属性分类模型的多个训练后的属性分类模型，得到所述目标图像对应的包含所述至少一个新增属性的多种属性的分类信息。

7.一种获取属性的分类信息的装置，其特征在于，所述装置包括：

第一获取模块，用于将多个样本图像，输入特征提取模型，分别得到每个样本图像的特征信息，将所述每个样本图像的特征信息分别输入多个属性分类模型，得到每个样本图像对应的多种属性的分类信息；

第一训练模块，用于根据每个样本图像对应的多种属性的分类信息、以及预设的每个样本图像对应的多种属性的基准分类信息，分别对所述特征提取模型与所述多个属性分类模型进行模型参数调整，得到训练后的特征提取模型与多个训练后的属性分类模型；

第二获取模块，用于当获取到待获取分类信息的目标图像时，将所述目标图像输入所述训练后的特征提取模型，得到目标特征信息，将所述目标特征信息分别输入所述多个训练后的属性分类模型，得到所述目标图像对应的多种属性的分类信息。

8.根据权利要求7所述的装置，其特征在于，所述第一训练模块，用于：

根据所述每个样本图像对应的多种属性的分类信息，确定具有每种属性的样本图像分别在所述多个样本图像中所占的比例值，得到第一比例值集合；

根据预设的每个样本图像对应的多种属性的基准分类信息，确定具有每种属性的样本图像分别在所述多个样本图像中所占的比例值，得到第二比例值集合；

基于第一损失函数、所述第一比例值集合中每种属性对应的比例值、以及所述第二比例值集合中每种属性对应的比例值，确定所述特征提取模型对应的修正数据；

基于所述特征提取模型对应的修正数据，对所述特征提取模型进行模型参数调整，得到训练后的特征提取模型。

9.根据权利要求7所述的装置，其特征在于，所述第一训练模块，用于：

在每个样本图像对应的属性i的分类信息中，获取对应的分类结果为分类j的分类信息，基于第二损失函数、所述对应的分类结果为分类j的分类信息、以及所述属性i对应的预设基准值，确定所述属性i的属性分类模型中与分类j相对应的模型部分的修正数据，其中，属性i是所述多种属性中的任一属性，所述分类j是所述属性i对应的所有分类中的任一分类；

在预设的每个样本图像对应的所述属性i的基准分类信息中，分别确定对应每个分类的基准分类信息所占的比例值；

根据所述属性i的属性分类模型中与每个分类相对应的模型部分的修正数据、以及所述对应每个分类的基准分类信息所占的比例值，确定所述属性i的属性分类模型对应的修正数据；

分别基于所述多个属性分类模型中的每个属性分类模型对应的修正数据，对每个属性分类模型进行模型参数调整，得到多个训练后的属性分类模型。

10.根据权利要求9所述的装置，其特征在于，所述第一训练模块，用于：

根据以下公式，计算所述属性i的属性分类模型中与分类j相对应的模型部分的进行权重调整后的修正数据：Xj’＝Xj×(A1×A2×……×An)/Aj，其中，Xj’为所述属性i的属性分类模型中与分类j相对应的模型部分的进行权重调整后的修正数据，Xj为所述属性i的属性分类模型中与分类j相对应的模型部分的修正数据，A1、A2、……An为所述对应每个分类的基准分类信息所占的比例值，Aj为对应分类j的基准分类信息所占的比例值；

根据所述属性i的属性分类模型中与每个分类相对应的模型部分的进行权重调整后的修正数据，确定所述属性i的属性分类模型对应的修正数据。

11.根据权利要求7所述的装置，其特征在于，所述装置，还包括：

采集模块，用于获取视频采集设备采集到的视频图像帧，如果检测到所述视频图像帧中包含对应目标监控对象类型的区域图像，则将所述区域图像作为待获取分类信息的目标图像。

12.根据权利要求7所述的装置，其特征在于，所述第二获取模块，用于：

当获取到待获取分类信息的目标图像以及至少一种目标属性的标识时，将所述目标图像输入所述训练后的特征提取模型，得到目标特征信息，将所述目标特征信息分别输入所述至少一种目标属性对应的训练后的属性分类模型，得到所述目标图像对应的所述至少一种目标属性的分类信息。

13.根据权利要求7所述的装置，其特征在于，所述装置，还包括：

添加模块，用于添加至少一个新增属性对应的属性分类模型；

第三获取模块，用于将多个样本图像，输入特征提取模型，分别得到每个样本图像的特征信息，将所述每个样本图像的特征信息分别输入包含所述至少一个新增属性对应的属性分类模型的多个属性分类模型，得到每个样本图像对应的包含所述至少一个新增属性的多种属性的分类信息；

第二训练模块，用于根据每个样本图像对应的包含所述至少一个新增属性的多种属性的分类信息、以及预设的每个样本图像对应的包含所述至少一个新增属性的多种属性的基准分类信息，分别对所述特征提取模型与所述包含所述至少一个新增属性对应的属性分类模型的多个属性分类模型进行模型参数调整，得到训练后的特征提取模型与包含至少一个新增属性对应的训练后的属性分类模型的多个训练后的属性分类模型；

第四获取模块，用于当获取到待获取分类信息的目标图像时，将所述目标图像输入所述训练后的特征提取模型，得到目标特征信息，将所述目标特征信息分别输入所述包含所述至少一个新增属性对应的属性分类模型的多个训练后的属性分类模型，得到所述目标图像对应的包含所述至少一个新增属性的多种属性的分类信息。

14.一种电子设备，其特征在于，所述电子设备包括处理器和存储器，所述存储器中存储有至少一条指令，所述指令由所述处理器加载并执行以实现如权利要求1至6任一所述的获取属性的分类信息的方法。