1.一种基于机器视觉的交通灯控制方法，其特征在于，包括以下步骤：获取交通路口各个车道的第一图像信息，所述车道包括车辆正在行驶的行驶车道和车辆正在等候的等候车道；

根据所述第一图像信息确定所述行驶车道的车流量信息和所述等候车道的等候车辆数量信息；

根据所述车流量信息确定对应交通相位的总车流量，并根据所述等候车辆数量信息确定对应交通相位的总等候车辆数量；

根据所述总车流量和所述总等候车辆数量确定下一红绿灯周期的红绿灯配时方案，进而根据所述红绿灯配时方案对各所述车道的交通灯进行控制。

2.根据权利要求1所述的一种基于机器视觉的交通灯控制方法，其特征在于，所述根据所述第一图像信息确定所述行驶车道的车流量信息和所述等候车道的等候车辆数量信息这一步骤，其具体包括：

获取各所述车道的背景图像信息；

根据所述第一图像信息和所述背景图像信息确定各所述车道的前景图像信息；

将所述前景图像信息输入到预先训练好的车辆识别模型，识别得到各所述车道的目标车辆识别结果；

根据多个连续时刻所述行驶车道的目标车辆识别结果确定所述车流量信息；

根据当前时刻所述等候车道的目标车辆识别结果确定所述等候车辆数量信息。

3.根据权利要求2所述的一种基于机器视觉的交通灯控制方法，其特征在于，所述根据多个连续时刻所述行驶车道的目标车辆识别结果确定所述车流量信息这一步骤，其具体包括：

根据第一时刻所述行驶车道的目标车辆识别结果确定若干个目标车辆，并且确定所述目标车辆第一位置信息；

根据第二时刻所述行驶车道的车辆识别结果确定所述目标车辆的第二位置信息，进而根据所述第一位置信息和所述第二位置信息确定所述目标车辆是否通过预设的统计区域；

根据通过所述统计区域的目标车辆的数量确定所述车流量信息；

其中，所述第一时刻和所述第二时刻为连续时刻。

4.根据权利要求2所述的一种基于机器视觉的交通灯控制方法，其特征在于，所述基于机器视觉的交通灯控制方法还包括训练车辆识别模型的步骤，其具体包括：获取车辆图片集，所述车辆图片集包括多个不同类型的车辆图片；

对所述车辆图片集进行去噪和抽稀处理，得到训练图片集；

将所述训练图片集输入到深度神经网络进行训练，得到训练好的车辆识别模型。

5.根据权利要求4所述的一种基于机器视觉的交通灯控制方法，其特征在于，所述将所述训练图片集输入到深度神经网络进行训练这一步骤，其具体包括：将所述训练图片集输入到深度神经网络，得到车辆识别结果；

根据所述车辆识别结果和车辆图片的标签确定训练的损失值；

根据所述损失值对所述车辆识别模型的参数进行更新。

6.根据权利要求1所述的一种基于机器视觉的交通灯控制方法，其特征在于，所述根据所述车流量信息确定对应交通相位的总车流量，并根据所述等候车辆数量信息确定对应交通相位的总等候车辆数量这一步骤，其具体包括：根据各所述行驶车道的车流量信息之和确定对应交通相位的总车流量；

根据各所述等候车道的等候车辆数量信息之和确定对应交通相位的总等候车辆数量。

7.根据权利要求1至6中任一项所述的一种基于机器视觉的交通灯控制方法，其特征在于，所述根据所述总车流量和所述总等候车辆数量确定下一红绿灯周期的红绿灯配时方案这一步骤，其具体包括：

根据所述总等候车辆数量确定所述等候车道在下一红绿灯周期的第一绿灯时长和所述行驶车道在下一红绿灯周期的第一红灯时长；

根据所述总车流量和所述第一红灯时长确定所述行驶车道在下一红绿灯周期的第二绿灯时长和所述等候车道在下一红绿灯周期的第二红灯时长；

根据所述第一绿灯时长、所述第一红灯时长、所述第二绿灯时长以及所述第二红灯时长确定所述红绿灯配时方案。

8.一种基于机器视觉的交通灯控制系统，其特征在于，包括：图像信息获取模块，用于获取交通路口各个车道的第一图像信息，所述车道包括车辆正在行驶的行驶车道和车辆正在等候的等候车道；

图像信息处理模块，用于根据所述第一图像信息确定所述行驶车道的车流量信息和所述等候车道的等候车辆数量信息；

总车流量和总等候车辆数量确定模块，用于根据所述车流量信息确定对应交通相位的总车流量，并根据所述等候车辆数量信息确定对应交通相位的总等候车辆数量；

交通灯控制模块，用于根据所述总车流量和所述总等候车辆数量确定下一红绿灯周期的红绿灯配时方案，进而根据所述红绿灯配时方案对各所述车道的交通灯进行控制。

9.一种基于机器视觉的交通灯控制装置，其特征在于，包括：至少一个处理器；

至少一个存储器，用于存储至少一个程序；

当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如权利要求1至7中任一项所述的一种基于机器视觉的交通灯控制方法。

10.一种计算机可读存储介质，其中存储有处理器可执行的程序，其特征在于，所述处理器可执行的程序在由处理器执行时用于执行如权利要求1至7中任一项所述的一种基于机器视觉的交通灯控制方法。