1.一种基于融合多特征的街景图像处理方法，其特征在于，包括以下步骤：待处理的街景图像经过卷积神经网络后得到C个特征信息图，该卷积神经网络的最后一个卷积层作为特征层用来捕获图像中待处理的街景图像，且该最后一个卷积层连接三个池化层，包括多尺度平均池化层、多尺度最大池化层与多尺度广义平均池化层；

将C个特征信息图均复制l份，并分别划分为大小不一的区域，然后将分好区域的图均输入三个池化层，对每幅图均进行平均池化计算、最大池化计算与广义平均池化计算；划分区域region大小的公式如下所示： li的取值为1,2,3…l；H为特征信息图的高度，W为特征信息图的宽度；

将经池化计算后的各个区域中的相同维度向量归为一列，经过排列组合并筛除组合后维度不同的向量后，将所有向量进行串联，得到一个l*C维的多维特征向量，其中l、C均为自然数；

将三种池化层得到的多维特征向量输入到全连接层进行降维，将降维后的向量进行拼接，得到最终的全局特征。

2.根据权利要求1所述的基于融合多特征的街景图像处理方法，其特征在于，l≥4。

3.根据权利要求1所述的基于融合多特征的街景图像处理方法，其特征在于，该方法还包括步骤：计算待处理的街景图像的最终全局特征与预存的数据库中每张图像的全局特征之间的曼哈顿距离，找到与待处理的街景图像之间曼哈顿距离越小的图像。

4.根据权利要求1所述的基于融合多特征的街景图像处理方法，其特征在于，通过交叉匹配的方式将区域中的相同尺度向量归为一列。

5.一种基于融合多特征的街景图像处理系统，其特征在于，包括：

卷积层模块，其最后一个卷积层作为特征层用来捕获图像中待处理的街景图像，用于将待处理的街景图像经过卷积后得到C个特征信息图，分区模块，用于将C个特征信息图均复制l份，并分别划分为大小不一的区域；划分区域region大小的公式如下所示： li的取值为1,2,3…l；H为特征信息图的高度，W为特征信息图的宽度；

池化层模块，包括三个池化层：多尺度平均池化层、多尺度最大池化层与多尺度广义平均池化层，用于将分好区域每幅图均进行平均池化计算、最大池化计算与广义平均池化计算；

全连接层模块，用于将经池化计算后的各个区域中的相同尺度向量归为一列，并将所有尺度向量进行串联，得到一个l*C维的多维特征向量，其中l、C均为自然数；并将三种池化层得到的多维特征向量进行拼接，得到最终的全局特征；

归一化层模块，用于将最终的全局特征进行降维。

6.根据权利要求5所述的基于融合多特征的街景图像处理系统，其特征在于，该系统还包括匹配模块，用于计算待处理的街景图像的最终全局特征与预存的数据库中每张图像的全局特征之间的曼哈顿距离，找到与待处理的街景图像之间曼哈顿距离越小的图像。

7.根据权利要求5所述的基于融合多特征的街景图像处理系统，其特征在于，通过交叉匹配的方式将区域中的相同尺度向量归为一列。

8.一种计算机存储介质，其特征在于，其内存储有可被处理器执行的计算机程序，该计算机程序执行权利要求1‑4中任一项所述的基于融合多特征的街景图像处理方法。