1.一种轻量型目标检测方法，通过构建融合注意力机制的轻量型特征提取网络结构，实现在移动机器人上的实时目标检测任务，其特征在于具体包括如下步骤：步骤1：利用移动机器人的摄像头采集图像，从移动机器人图像采集模块中获取图片帧，并将图像缩放至320×320；

步骤2：构建并训练轻量型目标检测模型；

步骤3：使用训练好的轻量型目标检测模型对每帧中所有目标进行检测，获取每帧内的所有目标的定位框。

2.根据权利要求1所述的一种轻量型目标检测方法，其特征在于步骤2中的构建轻量型目标检测模型，具体包括如下步骤：步骤2.1：建立特征提取网络；

步骤2.2：构建检测网络模块，通过构建三个检测分支来预测目标的中心点坐标；

步骤2.3：选取式(1)作为网络检测分支的损失函数；

式中，L为损失函数值，为预测出的类别，Y为标签值，α和β为超参数，N为图像关键点个数；

步骤2.4：通过非极大值抑制筛选正确的目标检测框。

3.根据权利要求2所述的面向移动机器人的轻量型目标检测方法，其特征在于步骤2.1中的建立特征提取网络，包括：

步骤2.1.1：建立特征提取模块，将特征图F1依次通过1×1卷积、BN归一化、ReLU激活函数、步长为1的1×5深度可分离卷积、BN归一化、步长为1的5×1深度可分离卷积、BN归一化、

1×1卷积、BN归一化、ReLU激活函数，输出特征图F2，然后将特征图F2与F1拼接并对特征通道进行随机排序，生成特征图F3；

步骤2.1.2：建立深度压缩模块，将特征图F3依次通过全局最大池化、1×1卷积、BN归一化、ReLU激活函数、1×1卷积、Sigmoid激活函数，输出特征向量P，将F3×P得到特征图F4，建立降采样模块，将F4依次通过步长为2的1×5深度可分离卷积、BN归一化、ReLU激活函数、步长为2的5×1深度可分离卷积、BN归一化、ReLU激活函数，然后对特征通道进行随机排序，最后输出特征图C1；

步骤2.1.3：建立上采样层，将C1分别通过3次反卷积进行上采样得到特征图C2。

4.根据权利要求2所述的面向移动机器人的轻量型目标检测方法，其特征在于步骤2.2构建检测网络模块，通过构建三个检测分支来预测目标的中心点坐标，包括：步骤2.2.1：建立目标中心点预测分支，通过1×1卷积与特征图C2进行卷积得到目标预测中心点坐标(x,y)；

步骤2.2.2：通过1×1卷积与特征图C2进行卷积得到右下角相对于水平方向偏移角度、右上角相对于垂直方向的偏移角度及四个角到中心点的距离。