1.一种基于深度学习的场景识别方法，采用多尺度卷积神经网络，所述多尺度卷积神经网络包括对输入的场景图像进行多尺度化处理的多尺度层，其特征在于：所述方法包括：设置分辨率级别，所述分辨率级别将分辨率范围与图像处理参数进行关联，所述图像处理参数包括场景图像输入所述多尺度卷积神经网络的次数和多尺度化处理的尺度值；

获取所述场景图像的图像分辨率；

根据图像分辨率对应的分辨率范围，按照所述图像处理参数对所述场景图像进行后续处理；

所述的分辨率级别为三级，分别为低级、中级和高级；所述多尺度化处理的最大尺度值为三层，所述场景图像输入所述多尺度卷积神经网络的最大次数为三；当分辨率级别为低级时，多尺度化处理的尺度值为一层，场景图像输入所述多尺度卷积神经网络的次数为一；

当分辨率级别为中级时，多尺度化处理的尺度值为二层，场景图像输入所述多尺度卷积神经网络的次数为二；当分辨率级别为高级时，多尺度化处理的尺度值为三层，场景图像输入所述多尺度卷积神经网络的次数为三；

设置多尺度化处理的尺度值即对图像的分割次数，当尺度值为一时即把图像不分割直接输入至第一层卷积网络；当尺度值为二时，分别把图像不分割直接输入第一层卷积网络，并把图像进行M次分割后输入第二层卷积网络；当尺度值为三时，分别把图像不分割直接输入第一层卷积网络，把图像进行M次分割后输入第二层卷积网络，把图像进行N次分割后输入第三层卷积网络，其中M小于N，且M次分割的图像大小大于N次分割的图像大小。

2.根据权利要求1所述的一种基于深度学习的场景识别方法，其特征在于：所述分辨率级别将分辨率范围与图像处理参数进行关联，所述图像处理参数包括图像输入所述多尺度卷积神经网络的次数和多尺度化处理的尺度值L，包括：所述分辨率范围越低，所述图像处理参数的数值越小；所述分辨率范围越高，所述图像处理参数的数值越大。

3.根据权利要求1所述的一种基于深度学习的场景识别方法，其特征在于：所述设置分辨率级别包括：根据场景复杂度，设置所述分辨率级别。

4.一种基于深度学习的场景识别系统，包括多尺度卷积神经网络，所述多尺度卷积神经网络包括对输入的场景图像进行多尺度化处理的多尺度处理模块，其特征在于：所述系统还包括：分辨率设置模块：用于设置分辨率级别，所述分辨率级别将分辨率范围与图像处理参数进行关联，所述图像处理参数包括场景图像输入所述多尺度卷积神经网络的次数和多尺度化处理的尺度值；

场景图像分辨率获取模块：用于获取所述场景图像的图像分辨率；

匹配与处理模块：用于根据图像分辨率对应的分辨率范围，按照所述图像处理参数对所述场景图像进行后续处理；

所述的分辨率级别由低至高分为三级，所述多尺度化处理的最大尺度值为三层；当分辨率级别为低级时，多尺度化处理的尺度值为一层，当分辨率级别为中级时，多尺度化处理的尺度值为二层；当分辨率级别为高级时，多尺度化处理的尺度值为三层；

所述多尺度化处理的最大尺度值为三层，所述场景图像输入所述多尺度卷积神经网络的最大次数为三；当分辨率级别为低级时，多尺度化处理的尺度值为一层，场景图像输入所述多尺度卷积神经网络的次数为一；当分辨率级别为中级时，多尺度化处理的尺度值为二层，场景图像输入所述多尺度卷积神经网络的次数为二；当分辨率级别为高级时，多尺度化处理的尺度值为三层，场景图像输入所述多尺度卷积神经网络的次数为三；

设置多尺度化处理的尺度值即对图像的分割次数，当尺度值为一时即把图像不分割直接输入至第一层卷积网络；当尺度值为二时，分别把图像不分割直接输入第一层卷积网络，并把图像进行M次分割后输入第二层卷积网络；当尺度值为三时，分别把图像不分割直接输入第一层卷积网络，把图像进行M次分割后输入第二层卷积网络，把图像进行N次分割后输入第三层卷积网络，其中M小于N，且M次分割的图像大小大于N次分割的图像大小。

5.根据权利要求4所述的一种基于深度学习的场景识别系统，其特征在于：所述分辨率级别将分辨率范围与图像处理参数进行关联，所述图像处理参数包括图像输入所述多尺度卷积神经网络的次数和多尺度化处理的尺度值L，包括：所述分辨率范围越低，所述图像处理参数的数值越小；所述分辨率范围越高，所述图像处理参数的数值越大。

6.根据权利要求5所述的一种基于深度学习的场景识别系统，其特征在于：所述设置分辨率级别包括：根据场景复杂度，设置所述分辨率级别。