1.一种基于注意力机制的道路图像目标检测方法，其特征在于，所述方法包括：获取待检测道路图像；

将所述待检测道路图像输入到训练好的检测集成框架中，其中，所述检测集成框架中包括至少两个目标检测框架，以及与各目标检测框架对应的注意力权重值；

通过各目标检测框架对所述待检测道路图像进行目标检测处理，输出得到行人检测结果；

根据所述注意力权重值综合各所述行人检测结果，得到所述检测集成框架的目标检测结果；

其中，在所述通过各目标检测框架对所述待检测道路图像进行目标检测处理，输出得到行人检测结果之前，还包括：使用算法AutoFusion对每个目标检测框架中对用于提取图像特征的网络中的卷积核的形式进行搜索，即在搜索空间中的集中卷积形式尝试可能的组合，并选择mAP最高的组合，得到优化后的目标检测框架；其中，mAP是目标检测模型的评估指标；

其中，在所述将所述待检测道路图像输入到训练好的检测集成框架中之前，还包括：获取道路样本图像，其中，所述道路样本图像包括行人标注信息；

根据目标检测任务选择至少两个目标检测框架；

根据随机设置的各所述目标检测框架的训练权重值，综合得到待训练集成框架；

通过各所述目标检测框架对所述道路样本图像进行样本检测处理，得到各所述目标检测框架的第一样本检测结果；并根据所述行人标注信息、所述第一样本检测结果以及所述训练权重值计算所述待训练集成框架的第一损失值；

当所述第一损失值大于预设阈值，则根据所述第一损失值调整各所述目标检测框架的训练权重值，并重复对所述道路样本图像进行样本检测处理、计算所述待训练集成框架的第一损失值的操作，直到所述第一损失值不大于所述预设阈值或调整所述训练权重值的次数超过预设次数，则输出当前训练权重值，得到训练好的检测集成框架；

其中，所述根据所述第一损失值调整各所述目标检测框架的训练权重值，包括：根据公式：

调整所述训练权重值，其中，wi′为本次调整后的第i个目标检测框架的训练权重值、wi为本次调整前第i个目标检测框架的训练权重值、E为所述第一损失值；

其中，所述根据所述注意力权重值综合各所述行人检测结果，得到所述检测集成框架的目标检测结果，包括：根据公式：

得到所述目标检测结果，其中，Ototal为目标检测结果、Oj为第j个目标检测框架的行人检测结果，Sj为经softmax处理后的训练权重值。

2.根据权利要求1所述的方法，其特征在于，所述根据所述行人标注信息、所述第一样本检测结果以及所述训练权重值计算所述待训练集成框架的第一损失值，包括：根据所述行人标注信息、所述第一样本检测结果计算各所述目标检测框架的第二损失值；

综合所述第二损失值、所述训练权重值得到所述待训练集成框架的第一损失值。

3.根据权利要求2所述的方法，其特征在于，所述综合所述第二损失值、所述训练权重值得到所述第一损失值，包括：将所述第二损失值与所述训练权重值相乘，得到所述待训练集成框架的第一损失值。

4.根据权利要求2所述的方法，其特征在于，所述综合所述第二损失值、所述训练权重值得到所述待训练集成框架的第一损失值，包括：将所述第二损失值与预设指标权重进行元素积后，再乘以所述训练权重值，得到所述第一损失值。

5.一种基于注意力机制的道路图像目标检测装置，运行时执行权利要求1至4中任一项所述注意力机制的道路图像目标检测方法，其特征在于，所述基于注意力机制的道路图像目标检测装置包括：数据模块，用于获取待检测道路图像；

输入模块，用于将所述待检测道路图像输入到训练好的检测集成框架中，其中，所述检测集成框架中包括至少两个目标检测框架，以及与各目标检测框架对应的注意力权重值；

检测模块，用于通过各目标检测框架对所述待检测道路图像进行目标检测处理，输出得到行人检测结果；

综合模块，用于根据所述注意力权重值综合各所述行人检测结果，得到所述检测集成框架的目标检测结果；

其中，所述基于注意力机制的道路图像目标检测装置还包括：使用算法AutoFusion对每个目标检测框架中对用于提取图像特征的网络中的卷积核的形式进行搜索，即在搜索空间中的集中卷积形式尝试可能的组合，并选择mAP最高的组合，得到优化后的目标检测框架；其中，mAP是目标检测模型的评估指标。

6.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机可读指令，其特征在于，所述处理器执行所述计算机可读指令时实现权利要求1至4中任一项所述方法的步骤。

7.一种计算机可读存储介质，其上存储有计算机可读指令，其特征在于，所述计算机可读指令被处理器执行时实现权利要求1至4中任一项所述的方法的步骤。