1.一种深度学习模型训练方法，其特征在于，所述方法包括：

获取已训练的目标检测模型，其中，所述目标检测模型用于对图像进行目标检测，所述目标检测模型包括前景及背景识别结构；

利用所述目标检测模型的背景识别参数，对待训练的初始深度学习模型进行初始化，得到初始化后的初始深度学习模型，其中，所述初始深度学习模型包括前景及背景识别结构；

利用预设样本图片对所述初始化后的初始深度学习模型进行训练，得到训练后的目标深度学习模型；

所述利用所述目标检测模型的背景识别参数，对待训练的初始深度学习模型进行初始化，得到初始化后的初始深度学习模型，包括：将所述目标检测模型的输出层之前的各网络层参数的参数值，赋予初始深度学习模型中各相应的参数；获取所述目标检测模型的输出层中定位坐标的回归器通道及分类器中背景类别识别通道的参数值，得到各背景相关通道的参数值；按照所述各背景相关通道的参数值，对所述初始深度学习模型中各相应通道参数的权重和偏执量的张量，沿着表征类别和坐标的维度进行参数覆盖；初始化所述初始深度学习模型中尚未赋值的其他参数，得到初始化后的初始深度学习模型。

2.根据权利要求1所述的方法，其特征在于，在所述利用所述目标检测模型的背景识别参数，对待训练的初始深度学习模型进行初始化，得到初始化后的初始深度学习模型之前，所述方法还包括：判断待训练的初始深度学习模型是否包括前景及背景识别结构；

在所述初始深度学习模型不包括前景及背景识别结构时，在所述初始深度学习模型的输出层增加前景及背景识别结构，其中，所述初始深度学习模型的输出层中原分类结构用于前景目标的分类。

3.根据权利要求1所述的方法，其特征在于，所述利用预设样本图片对所述初始化后的初始深度学习模型进行训练，得到训练后的目标深度学习模型，包括：将预设样本图片输入到所述初始化后的初始深度学习模型中进行训练，并调整所述初始化后的初始深度学习模型的学习参数，其中，所述学习参数包括所述背景识别参数；

当满足预设结束条件时，结束对所述初始化后的初始深度学习模型的训练，得到训练后的目标深度学习模型。

4.根据权利要求1‑3任一所述的方法，其特征在于，所述预设样本图片包括标注有人脸框的人脸图片，或标注有人体框的人体图片，或标注有车辆框的车辆图片。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：将待检测图像输入所述目标深度学习模型，得到所述待检测图像的目标检测结果。

6.根据权利要求5所述的方法，其特征在于，所述将待检测图像输入所述目标深度学习模型，得到所述待检测图像的目标检测结果，包括：清理指定图像处理器中原有的算法模型，并利用所述指定图像处理器加载所述目标深度学习模型；

通过所述指定图像处理器，利用所述目标深度学习模型对待检测图像进行分析，得到所述待检测图像的目标检测结果。

7.一种深度学习模型训练装置，其特征在于，所述装置包括：

模型获取模块，用于获取已训练的目标检测模型，其中，所述目标检测模型用于对图像进行目标检测，所述目标检测模型包括前景及背景识别结构；

模型初始化模块，用于利用所述目标检测模型的背景识别参数，对待训练的初始深度学习模型进行初始化，得到初始化后的初始深度学习模型，其中，所述初始深度学习模型包括前景及背景识别结构；

样本训练模块，用于利用预设样本图片对所述初始化后的初始深度学习模型进行训练，得到训练后的目标深度学习模型；

所述模型初始化模块，包括：

前端参数赋值子模块，用于将所述目标检测模型的输出层之前的各网络层参数的参数值，赋予初始深度学习模型中各相应的参数；

后端参数赋值子模块，用于将所述目标检测模型的输出层中定位坐标的回归器通道及分类器中背景类别识别通道的参数值，赋予所述初始深度学习模型中各相应的参数；

其他参数赋值子模块，用于初始化所述初始深度学习模型中尚未赋值的其他参数，得到初始化后的初始深度学习模型；

所述后端参数赋值子模块，具体用于：

获取所述目标检测模型的输出层中定位坐标的回归器通道及分类器中背景类别识别通道的参数值，得到各背景相关通道的参数值；

按照所述各背景相关通道的参数值，对所述初始深度学习模型中各相应通道参数的权重和偏执量的张量，沿着表征类别和坐标的维度进行参数覆盖。

8.根据权利要求7所述的装置，其特征在于，所述装置还包括：识别结构判断模块，用于判断待训练的初始深度学习模型是否包括前景及背景识别结构；

识别结构添加模块，用于在所述初始深度学习模型不包括前景及背景识别结构时，在所述初始深度学习模型的输出层增加前景及背景识别结构，其中，所述初始深度学习模型的输出层中原分类结构用于前景目标的分类。

9.根据权利要求7所述的装置，其特征在于，所述样本训练模块，具体用于：将预设样本图片输入到所述初始化后的初始深度学习模型中进行训练，并调整所述初始化后的初始深度学习模型的学习参数，其中，所述学习参数包括所述背景识别参数；

当满足预设结束条件时，结束对所述初始化后的初始深度学习模型的训练，得到训练后的目标深度学习模型。

10.根据权利要求7‑9任一所述的装置，其特征在于，所述预设样本图片包括标注有人脸框的人脸图片，或标注有人体框的人体图片，或标注有车辆框的车辆图片。

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：图像识别模块，用于将待检测图像输入所述训练后的目标深度学习模型，得到所述待检测图像的目标检测结果。

12.根据权利要求11所述的装置，其特征在于，所述图像识别模块，具体用于：清理指定图像处理器中原有的算法模型，并利用所述指定图像处理器加载所述目标深度学习模型；

通过所述指定图像处理器，利用所述目标深度学习模型对待检测图像进行分析，得到所述待检测图像的目标检测结果。