1.一种色情图片鉴定方法，其特征在于，所述色情图片鉴定方法包括：在收到待鉴定图片后，检测所述待鉴定图片的图片格式，并利用预先训练的图片分类模型对所述待鉴定图片进行识别，输出所述待鉴定图片属于一个或多个预设图片类别的概率值；其中，所述图片分类模型为卷积神经网络模型，该卷积神经网络模型是预先利用所述预设图片类别的样本图片进行训练得到的，所述图片格式包括黑白格式和非黑白格式，所述预设图片类别包括色情图片和非色情图片；

根据所述待鉴定图片的图片格式和所述概率值，判断所述待鉴定图片是否属于色情图片，包括：若判断出所述待鉴定图片的图片格式为黑白图片，则将所述图片分类模型输出的该待鉴定图片属于色情图片类别的概率值调低预设数值，若该待鉴定图片属于色情图片类别的概率值调低预设数值后仍小于预设阈值，则判定该待鉴定图片不属于色情图片，若该待鉴定图片属于色情图片类别的概率值调低预设数值后大于预设阈值，则判定该待鉴定图片属于色情图片。

2.如权利要求1所述的色情图片鉴定方法，其特征在于，所述图片分类模型的训练步骤如下：A、收集预设数量的色情图片、性感图片、和正常图片作为样本图片，并在各个样本图片上标注对应的图片类别；

B、对各个样本图片进行图片预处理；

C、将预处理后的样本图片分为第一比例的训练集和第二比例的验证集；

D、利用所述训练集训练卷积神经网络模型；

E、利用所述验证集验证训练的卷积神经网络模型的准确率，若准确率大于或者等于预设准确率，则训练结束，并将训练好的卷积神经网络模型作为图片分类模型；若准确率小于预设准确率，则重新收集样本图片并重复执行上述步骤B、C、D、E。

3.如权利要求2所述的色情图片鉴定方法，其特征在于，所述图片分类模型的训练过程如下：H、建立卷积核、偏差矩阵；

I、利用建立的所述卷积核、所述偏差矩阵与样本图片进行卷积运算；

J、通过relu的激活函数矫正所述卷积运算的结果；

K、对样本图片进行池化操作，重复执行上述步骤H、I、J，直至训练的模型的价值函数梯度下降，结束模型训练。

4.如权利要求1所述的色情图片鉴定方法，其特征在于，当所述待鉴定图片为动态图片时，还包括以下步骤：将所述待鉴定图片截帧成多张图片，检测截帧的每一张图片的图片格式，并分别利用预先训练的图片分类模型对截帧的多张图片进行识别，输出截帧的每一张图片属于各个预设图片类别的概率值；

根据所述截帧的每一张图片的图片格式和所述概率值，判断所述待鉴定图片是否属于色情图片。

5.如权利要求4所述的色情图片鉴定方法，其特征在于，所述根据所述截帧的每一张图片的图片格式和所述概率值，判断所述待鉴定图片是否属于色情图片的步骤具体包括：根据所述截帧的每一张图片的图片格式和所述概率值，判断截帧的图片中是否存在属于色情图片的图片；

若存在，则判定所述待鉴定图片属于色情图片；否则，判断所述待鉴定图片不属于色情图片；或者根据所述截帧的每一张图片的图片格式和所述概率值，判断截帧的图片中色情图片概率值大于预设值的图片是否超过两张；

若是，则判定所述待鉴定图片属于色情图片；否则，判断所述待鉴定图片不属于色情图片。

6.一种电子装置，其特征在于，所述电子装置包括存储器、处理器，所述存储器上存储有可在所述处理器上运行的色情图片鉴定系统，所述色情图片鉴定系统被所述处理器执行时实现如权利要求1‑5任一项所述的色情图片鉴定方法的步骤。

7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有色情图片鉴定系统，所述色情图片鉴定系统被处理器执行时实现如权利要求1‑5任一项所述的色情图片鉴定方法的步骤。