1.一种对象类别的检测方法，包括：

通过目标检测网络对第一图像进行对象检测处理，得到所述第一图像中包括的目标对象的第一类别置信度，其中，所述第一类别置信度表示所述目标对象属于第一类别的置信度；

由所述第一图像中获取包括重检测对象的对象图像，并通过一个或多个过滤器对所述对象图像进行对象检测处理，确定所述重检测对象的第二类别置信度；其中，所述重检测对象是第一类别置信度在预设阈值区间内的所述目标对象，所述第二类别置信度表示所述重检测对象属于第二类别的置信度；

基于所述第二类别置信度，修正所述重检测对象的第一类别置信度，得到更新的置信度；

根据所述更新的置信度，确定所述重检测对象的类别检测结果；

其中，所述第一类别包括多个子类别，每一个过滤器分别用于检测一个所述子类别的目标对象；

所述通过目标检测网络对第一图像进行对象检测处理，得到所述第一图像中包括的目标对象的第一类别置信度，包括：通过目标检测网络对第一图像进行对象检测处理，得到各个第一子类别置信度，各所述第一子类别置信度表示所述第一图像中包括的至少一个目标对象分别对应各所述子类别的置信度；

通过过滤器对所述对象图像进行对象检测处理，确定所述重检测对象的第二类别置信度，包括：对于任一重检测对象，根据所述重检测对象对应的目标子类别，将所述重检测对象对应的对象图像输入与所述目标子类别对应的过滤器；

通过所述目标子类别对应的过滤器对所述对象图像进行对象检测处理，确定所述重检测对象的第二类别置信度。

2.根据权利要求1所述的方法，其中，通过所述目标检测网络对所述第一图像进行对象检测处理还得到所述目标对象对应的位置信息，所述位置信息用于限定所述目标对象在所述第一图像中的位置区域；

所述由所述第一图像中获取包括重检测对象的对象图像，包括：根据所述重检测对象对应的位置信息，由所述第一图像中截取所述位置信息对应的位置区域，得到所述包括重检测对象的对象图像。

3.根据权利要求1所述的方法，其中，所述预设阈值区间的下限为第一阈值，所述阈值区间的上限为第二阈值；所述基于所述第二类别置信度，修正所述重检测对象的第一类别置信度，得到更新的置信度，包括：在所述预设阈值区间的范围内，基于所述第二类别置信度修正所述重检测对象的第一类别置信度，以确定所述更新的置信度；其中，所述第二类别置信度越高，所述更新的置信度越靠近所述第二阈值；

所述第二类别置信度越低，所述更新的置信度越靠近所述第一阈值。

4.根据权利要求3所述的方法，其中，所述在所述预设阈值区间的范围内，基于所述第二类别置信度修正所述重检测对象的第一类别置信度，以确定所述更新的置信度，包括：根据所述第二阈值与第一阈值之间的差值、以及所述第二类别置信度，确定在所述预设阈值区间内的置信度增量；

在所述第一阈值的基础上，增加所述置信度增量，得到所述更新的置信度。

5.根据权利要求3所述的方法，其中，所述根据所述更新的置信度，确定所述重检测对象的类别检测结果，包括：在所述更新的置信度不超过第三阈值的情况下，确定所述重检测对象为所述第二类别之外的外来物体；和/或在所述更新的置信度位于第四阈值至第二阈值的区间的情况下，确定所述重检测对象为所述第一类别；

其中，所述第三阈值大于或等于所述第一阈值，所述第三阈值小于所述第二阈值；

所述第四阈值小于或等于所述第二阈值，所述第四阈值大于所述第三阈值。

6.根据权利要求1所述的方法，其特征在于，所述基于所述第二类别置信度，对所述重检测对象的第一类别置信度进行修正，得到更新的置信度，包括：对所述重检测对象的第一类别置信度和第二类别置信度进行加权综合，得到所述更新的置信度。

7.根据权利要求1‑6任一项所述的方法，其中，所述过滤器基于第二图像训练得出，所述第二图像包含第二类别的目标对象。

8.根据权利要求1所述的方法，其中，所述第二类别与所述第一类别是相同的类别，或者，所述第二类别是包括所述第一类别的类别。

9.根据权利要求1所述的方法，其中，所述第一图像是用于训练所述目标检测网络的样本图像；所述根据所述更新的置信度确定所述重检测对象的类别检测结果之后，所述方法还包括：获取所述重检测对象的类别检测结果与对应的类别标签之间的损失；

基于所述损失，调整所述目标检测网络的网络参数。

10.根据权利要求1所述的方法，其中，

所述第一图像是游戏场所的图像；

所述目标对象是所述游戏场所的游戏道具。

11.一种目标检测方法，所述方法包括：

获取待处理图像；

通过目标检测网络对所述待处理图像进行对象检测处理，得到所述待处理图像中包括的目标对象所属的第一类别，其中，所述目标检测网络是根据识别第一图像中的样本对象属于第一类别包括的多个子类别的更新的置信度来训练得到，所述更新的置信度是基于所述多个子类别对应的过滤器识别所述样本对象得到的第二类别置信度对目标检测网络识别所述样本对象得到的第一类别置信度进行修正获得，所述第一类别置信度包括各个第一子类别置信度，各所述第一子类别置信度表示所述样本对象分别对应各所述子类别的置信度。

12.一种对象类别的检测装置，所述装置包括：

检测模块，用于通过目标检测网络对第一图像进行对象检测处理，得到所述第一图像中包括的目标对象的第一类别置信度，其中，所述第一类别置信度表示所述目标对象属于第一类别的置信度；

重检测模块，用于由所述第一图像中获取包括重检测对象的对象图像，并通过过滤器对所述对象图像进行对象检测处理，确定所述重检测对象的第二类别置信度；其中，所述重检测对象是第一类别置信度在预设阈值区间内的所述目标对象，所述第二类别置信度表示所述重检测对象属于第二类别的置信度；

修正模块，用于基于所述第二类别置信度，修正所述重检测对象的第一类别置信度，得到更新的置信度；

类别确定模块，用于根据所述更新的置信度，确定所述重检测对象的类别检测结果；

其中，所述检测模块，在用于通过目标检测网络对第一图像进行对象检测处理，得到所述第一图像中包括的目标对象的第一类别置信度时，包括：通过目标检测网络对第一图像进行对象检测处理，得到所述第一图像中包括的至少一个目标对象分别对应各子类别的第一类别置信度；其中，所述过滤器的数量是至少一个，所述第一类别包括多个子类别，每一个过滤器分别用于检测一个所述子类别的目标对象；

所述重检测模块，在用于通过过滤器对所述对象图像进行对象检测处理，确定所述重检测对象的第二类别置信度时，包括：对于任一重检测对象，根据所述重检测对象对应的目标子类别，将所述重检测对象对应的对象图像输入与所述目标子类别对应的过滤器；通过所述目标子类别对应的过滤器对所述对象图像进行对象检测处理，确定所述重检测对象的第二类别置信度。

13.根据权利要求12所述的装置，其中，

所述检测模块，还用于：通过目标检测网络对所述第一图像进行对象检测处理，得到所述目标对象对应的位置信息，所述位置信息用于限定所述目标对象在所述第一图像中的位置区域；

所述重检测模块，在用于由所述第一图像中获取包括重检测对象的对象图像时，包括：根据所述重检测对象对应的位置信息，由所述第一图像中截取所述位置信息对应的位置区域，得到所述包括重检测对象的对象图像。

14.根据权利要求12所述的装置，其中，

所述修正模块，在用于基于所述第二类别置信度修正所述重检测对象的第一类别置信度，得到更新的置信度时，包括：在所述预设阈值区间的范围内，基于所述第二类别置信度修正所述重检测对象的第一类别置信度，以确定所述更新的置信度；其中，根据所述过滤器确定的第二类别置信度越高，所述更新的置信度越靠近第二阈值；根据所述过滤器确定的第二类别置信度越低，所述更新的置信度越靠近第一阈值；所述预设阈值区间的下限为第一阈值，所述阈值区间的上限为第二阈值。

15.根据权利要求12所述的装置，其中，

所述修正模块，在用于基于所述第二类别置信度修正所述重检测对象的第一类别置信度，得到更新的置信度时，包括：对所述重检测对象的第一类别置信度和第二类别置信度进行加权综合，得到所述更新的置信度。

16.一种目标检测装置，所述装置包括：

图像获取模块，用于获取待处理图像；

识别处理模块，用于通过目标检测网络对所述待处理图像进行对象检测处理，得到所述待处理图像中包括的目标对象所属的第一类别，其中，所述目标检测网络是根据识别第一图像中的样本对象属于第一类别包括的多个子类别的更新的置信度来训练得到，所述更新的置信度是基于所述多个子类别对应的过滤器识别所述样本对象得到的第二类别置信度对目标检测网络识别所述样本对象得到的第一类别置信度进行修正获得，所述第一类别置信度包括各个第一子类别置信度，各所述第一子类别置信度表示所述样本对象分别对应各所述子类别的置信度。

17.一种电子设备，其特征在于，包括：存储器、处理器，所述存储器用于存储计算机可读指令，所述处理器用于调用所述计算机指令，实现权利要求1至10任一所述的方法，或权利要求11所述的方法。

18.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现权利要求1至10任一所述的方法，或权利要求11所述的方法。

19.一种计算机程序产品，包括计算机程序，当所述计算机程序由处理器执行时，实现权利要求1至10任一所述的方法，或权利要求11所述的方法。