1.一种车辆特征信息存储方法，其特征在于，包括：采集目标车辆至少两个车辆图片，并对每个所述车辆图片进行特征提取，得到每个所述车辆图片中包含的车辆特征；

将每个所述车辆特征进行标准化处理，得到标准化车辆特征；

将每个所述车辆特征、所述标准化车辆特征作为深度自编码网络的输入，并基于所述深度自编码网络进行编码处理，得到所述车辆对应的自编码信息；

将所述自编码信息存储至所述车辆的车载电子标签。

2.根据权利要求1所述的车辆特征信息存储方法，其特征在于，所述对每个所述车辆图片进行特征提取，得到每个所述车辆图片中包含的车辆特征的步骤包括：采用深度学习的方式，对所述车辆图片进行目标车辆检测，确定目标车辆在所述车辆图片中的目标区域；

对所述目标区域进行特征提取，获得目标车辆特征向量，并将所述目标车辆特征向量作为所述车辆图片中包含的车辆特征。

3.根据权利要求1所述的车辆特征信息存储方法，其特征在于，在所述对每个所述车辆图片进行特征提取，得到每个所述车辆图片中包含的车辆特征之前，所述车辆特征信息存储方法包括：

将若干样本图片输入到深度学习模型中进行特征提取，得到初始特征，所述初始特征包含M个不同类别的子特征，其中，每个所述样本图像对应一个车辆标识信息，M为大于1的正整数；

针对每种类别的子特征，计算相同车辆标识信息对应的所述子特征的特征距离的概率密度函数分布，得到第一密度分布，并计算不同车辆标识信息对应的所述子特征的特征距离的概率密度函数分布，得到第二密度分布；

根据所述第一密度分布和所述第二密度分布，确定分类错误区间；

基于所述分类错误区间，对所述不同类别的子特征进行筛选，确定待提取子特征。

4.根据权利要求1所述的车辆特征信息存储方法，其特征在于，所述将每个所述车辆特征进行标准化处理，得到标准化车辆特征的步骤包括：通过预设的聚类方式，将每个所述车辆图片对应的所述车辆特征进行聚类处理，以获得车辆特征聚类结果；

对所述车辆特征聚类结果进行归一化处理，以获得标准化车辆特征。

5.根据权利要求1至4任一项所述的车辆特征信息存储方法，其特征在于，所将所述自编码信息存储至所述车辆的车载电子标签的步骤包括：采用国密加密算法对所述自编码信息进行加密，以获得加密自编码信息；

将所述加密自编码信息存储至所述车辆的车载电子标签中。

6.根据权利要求5所述的车辆特征信息存储方法，其特征在于，所述国密加密算法为SM2算法。

7.一种车辆特征信息存储装置，其特征在于，包括：车辆特征提取模块，用于采集目标车辆至少两个车辆图片，并对每个所述车辆图片进行特征提取，得到每个所述车辆图片中包含的车辆特征；

标准化车辆特征生成模块，用于将每个所述车辆特征进行标准化处理，得到标准化车辆特征；

自编码信息生成模块，用于将每个所述车辆特征、所述标准化车辆特征作为深度自编码网络的输入，并基于所述深度自编码网络进行编码处理，得到所述车辆对应的自编码信息；

自编码信息存储模块，用于将所述自编码信息存储至所述车辆的车载电子标签。

8.根据权利要求7所述的车辆特征信息存储装置，其特征在于，所述自编码信息存储模块包括：

自编码信息加密单元，用于采用国密加密算法对所述自编码信息进行加密，以获得加密自编码信息；

加密自编码信息存储单元，用于将所述加密自编码信息存储至所述车辆的车载电子标签中。

9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述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计算机程序时实现如权利要求1至

6中任一项所述车辆特征信息存储方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述车辆特征信息存储方法的步骤。