1.一种图像识别方法，其特征在于，所述方法包括：

从待识别图像中提取图像特征，得到多通道特征图；

确定所述多通道特征图中各个特征值对应的图像识别参数，其中，特征值对应的图像识别参数用于表征该特征值与识别出的目标对象的相关程度；

根据所述多通道特征中各个特征值对应的图像识别参数对所述多通道特征图进行修正处理，得到修正后的多通道特征图；

利用所述修正后的多通道特征图识别出所述待识别图像中的所述目标对象。

2.根据权利要求1所述的方法，其特征在于，所述确定所述多通道特征图中各个特征值对应的图像识别参数，包括：将所述多通道特征图输入到训练好的第一神经网络，由所述第一神经网络中的全连接层对所述多通道特征图进行加权处理；

根据所述全连接层输出的加权处理结果，确定所述多通道特征图中各个特征值对应的图像识别参数。

3.根据权利要求2所述的方法，其特征在于，所述第一神经网络中的全连接层对所述多通道特征图进行加权处理，包括：所述全连接层采用预先学习到的所述多通道特征图中第k个通道对应的全连接系数对所述多通道特征图进行加权处理，输出所述第k个通道对应的图像识别参数；

所述根据所述全连接层输出的加权处理结果，确定所述多通道特征图中各个特征值对应的图像识别参数，包括：针对所述多通道特征图中所述第k个通道对应的目标特征图，将所述全连接层输出的所述第k个通道对应的图像识别参数确定为所述目标特征图中各个特征值对应的图像识别参数。

4.根据权利要求2所述的方法，其特征在于，所述待识别图像包括至少两帧图像，所述第一神经网络中的全连接层对所述多通道特征图进行加权处理，包括：所述全连接层采用预先学习到的所述待识别图像中第c帧图像对应的全连接系数对所述多通道特征图进行加权处理，输出所述第c帧图像对应的图像识别参数；

所述根据所述全连接层输出的加权处理结果，确定所述多通道特征图中各个特征值对应的图像识别参数，包括：针对所述多通道特征图中从所述第c帧图像提取到的目标特征图，将所述全连接层输出的所述第c帧图像对应的图像识别参数确定为所述目标特征图中各个特征值对应的图像识别参数。

5.根据权利要求1所述的方法，其特征在于，所述确定所述多通道特征图中各个特征值对应的图像识别参数，包括：将所述多通道特征图输入到训练好的第二神经网络，由所述第二神经网络中的卷积层对所述多通道特征图进行卷积处理，输出卷积处理结果；其中，所述卷积处理结果的维度与所述多通道特征图的维度相同；

将所述卷积处理结果中的各个卷积值依序确定为所述多通道特征图中各个特征值对应的图像识别参数。

6.根据权利要求1所述的方法，其特征在于，根据所述多通道特征中各个特征值对应的图像识别参数对所述多通道特征图进行修正处理，得到修正后的多通道特征图，包括：针对所述多通道特征图中的每个特征值，依据该特征值对应的图像识别参数对该特征值进行加权处理，得到修正后的多通道特征图。

7.根据权利要求1所述的方法，其特征在于，所述从待识别图像中提取图像特征，得到多通道特征图，包括：将所述待识别图像输入到训练好的第三神经网络，由所述第三神经网络中的指定层对所述待识别图像进行特征提取；所述指定层包括卷积层，或者是，所述指定层包括卷积层，以及池化层和全连接层中的至少一个；

将所述指定层的输出结果确定为所述多通道特征图。

8.一种图像识别装置，其特征在于，所述装置包括提取模块、确定模块、处理模块和识别模块，其中，所述提取模块，用于从待识别图像中提取图像特征，得到多通道特征图；

所述确定模块，用于确定所述多通道特征图中各个特征值对应的图像识别参数，其中，特征值对应的图像识别参数用于表征该特征值与识别出的目标对象的相关程度；

所述处理模块，用于根据所述多通道特征中各个特征值对应的图像识别参数对所述多通道特征图进行修正处理，得到修正后的多通道特征图；

所述识别模块，用于利用所述修正后的多通道特征图识别出所述待识别图像中的所述目标对象。

9.根据权利要求8所述的装置，其特征在于，所述确定模块，用于将所述多通道特征图输入到训练好的第一神经网络，由所述第一神经网络中的全连接层对所述多通道特征图进行加权处理；并根据所述全连接层输出的加权处理结果，确定所述多通道特征图中各个特征值对应的图像识别参数。

10.根据权利要求9所述的装置，其特征在于，所述第一神经网络中的全连接层对所述多通道特征图进行加权处理，包括：所述全连接层采用预先学习到的所述多通道特征图中第k个通道对应的全连接系数对所述多通道特征图进行加权处理，输出所述第k个通道对应的图像识别参数；

所述根据所述全连接层输出的加权处理结果，确定所述多通道特征图中各个特征值对应的图像识别参数，包括：针对所述多通道特征图中所述第k个通道对应的目标特征图，将所述全连接层输出的所述第k个通道对应的图像识别参数确定为所述目标特征图中各个特征值对应的图像识别参数。

11.根据权利要求9所述的装置，其特征在于，所述待识别图像包括至少两帧图像，所述第一神经网络中的全连接层对所述多通道特征图进行加权处理，包括：所述全连接层采用预先学习到的所述待识别图像中第c帧图像对应的全连接系数对所述多通道特征图进行加权处理，输出所述第c帧图像对应的图像识别参数；

所述根据所述全连接层输出的加权处理结果，确定所述多通道特征图中各个特征值对应的图像识别参数，包括：针对所述多通道特征图中从所述第c帧图像提取到的目标特征图，将所述全连接层输出的所述第c帧图像对应的图像识别参数确定为所述目标特征图中各个特征值对应的图像识别参数。

12.根据权利要求8所述的装置，其特征在于，所述确定模块，用于将所述多通道特征图输入到训练好的第二神经网络，由所述第二神经网络中的卷积层对所述多通道特征图进行卷积处理，输出卷积处理结果；并将所述卷积处理结果中的各个卷积值依序确定为所述多通道特征图中各个特征值对应的图像识别参数；其中，所述卷积处理结果的维度与所述多通道特征图的维度相同。

13.根据权利要求8所述的装置，其特征在于，所述处理模块，用于针对所述多通道特征图中的每个特征值，依据该特征值对应的图像识别参数对该特征值进行加权处理，得到修正后的多通道特征图。

14.根据权利要求8所述的装置，其特征在于，所述提取模块，用于将所述待识别图像输入到训练好的第三神经网络，由所述第三神经网络中的指定层对所述待识别图像进行特征提取，并将所述指定层的输出结果确定为所述多通道特征图；其中，所述指定层包括卷积层，或者是，所述指定层包括卷积层，以及池化层和全连接层中的至少一个。

15.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现权利要求1-7任一项所述方法的步骤。

16.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1-7任一项所述方法的步骤。