1.一种驾驶场景注意力量化方法，其特征在于，所述方法包括：获取驾驶人的注视区域；所述驾驶人包括若干驾驶风格的驾驶人；

利用高斯混合模型对所述注视区域进行划分，得到若干注视兴趣区域；

获取每个所述注视兴趣区域的注视点的个数及所述注视区域的注视点总数；

根据所述每个所述注视兴趣区域的注视点的个数及所述注视区域的注视点总数，确定注视各个所述注视兴趣区域的概率；

获取每个所述注视兴趣区域的平均注视持续时间；

根据注视每个所述注视兴趣区域的概率及所述平均注视持续时间，确定各个驾驶风格的驾驶人的熵率值；

根据所述各个驾驶风格的驾驶人的熵率值，确定所有驾驶风格的驾驶人的熵率值总和；

根据每个驾驶风格的驾驶人的熵率值及所述熵率值总和，确定每个驾驶风格的驾驶人的权重；

根据所述各个驾驶风格的驾驶人的权重，确定各个所述注视兴趣区域的注视概率。

2.根据权利要求1所述的方法，其特征在于，所述注视区域包括若干注视点；

所述利用高斯混合模型对所述注视区域进行划分，得到若干注视兴趣区域，包括：利用所述高斯混合模型对所述若干注视点进行聚类，得到聚类结果；

根据所述聚类结果，结合所述驾驶人驾驶习惯，得到所述若干注视兴趣区域。

3.根据权利要求1所述的方法，其特征在于，所述驾驶人驾驶时包括不同道路工况；

所述根据所述各个驾驶风格的驾驶人的权重，确定各个所述注视兴趣区域的注视概率，包括：确定不同道路工况下不同驾驶风格的驾驶人的注视一步转移概率集合；

根据所述注视一步转移概率集合，确定不同道路工况下不同驾驶风格的驾驶人对各个所述注视兴趣区域的第一注视平稳分布概率集合；

根据所述第一注视平稳分布概率集合及所述各个驾驶风格的驾驶人的权重，确定各个所述注视兴趣区域的注视概率。

4.根据权利要求3所述的方法，其特征在于，所述根据所述注视一步转移概率集合，确定不同道路工况下不同驾驶风格的驾驶人对各个所述注视兴趣区域的第一注视平稳分布概率集合，包括：基于马尔科夫链，对所述注视一步转移概率集合建立方程组；

对所述方程组求解，得到所述第一注视平稳分布概率集合。

5.根据权利要求3所述的方法，其特征在于，所述根据所述第一注视平稳分布概率集合及所述各个驾驶风格的驾驶人的权重，确定各个所述注视兴趣区域的注视概率，包括：对所述第一注视平稳分布概率集合及所述各个驾驶风格的驾驶人的权重，进行加权平均，得到不同工况下驾驶人对各个所述注视兴趣区域的第二注视平稳分布概率集合；

分别对各个工况下的所述第二注视平稳分布概率集合进行加和平均，得到所述注视概率。

6.一种驾驶场景注意力量化装置，其特征在于，所述装置包括：获取模块，用于获取驾驶人的注视区域；所述驾驶人包括若干驾驶风格的驾驶人；

划分模块，用于利用高斯混合模型对所述注视区域进行划分，得到若干注视兴趣区域；

权重计算模块，用于获取每个所述注视兴趣区域的注视点的个数及所述注视区域的注视点总数；根据所述每个所述注视兴趣区域的注视点的个数及所述注视区域的注视点总数，确定注视各个所述注视兴趣区域的概率；获取每个所述注视兴趣区域的平均注视持续时间；根据注视每个所述注视兴趣区域的概率及所述平均注视持续时间，确定各个驾驶风格的驾驶人的熵率值；根据所述各个驾驶风格的驾驶人的熵率值，确定所有驾驶风格的驾驶人的熵率值总和；根据每个驾驶风格的驾驶人的熵率值及所述熵率值总和，确定每个驾驶风格的驾驶人的权重；

概率确定模块，用于根据所述各个驾驶风格的驾驶人的权重，确定各个所述注视兴趣区域的注视概率。

7.一种电子设备，包括存储器、处理器及存储在存储器上并可在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程序时实现如权利要求1‑5中任一所述的驾驶场景注意力量化方法。

8.一种可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1‑5中任一所述的驾驶场景注意力量化方法。