1.一种多源信息融合驱动的水下场景智能感知方法，其特征在于，包括以下步骤，S1，全局感知：使用侧扫声呐采集远距离的声学图像，采用基于深度学习的RMS模块提取侧扫声呐图像更深层的纹理信息，划定感兴趣的目标区域；

S2，局部感知：使用摄像机采集近距离的光学图像，采用基于深度学习的LA模块对光学图像进行感知，进一步精准确定目标种类；

S3，置信度筛查：将S1和S2的输出结果进行融合，来确定声学和光学多源信息最终感知结果，实现水下场景的智能感知。

2.根据权利要求1所述的多源信息融合驱动的水下场景智能感知方法，其特征在于，步骤S1包括以下步骤：S1.1，将侧扫声呐采集的声学图像X作为输入，经过 处理，得到 ：；

S1.2，将 输入RMS模块进行数据处理：；

S1.3，重复RMS模块的数据处理过程，；

；

其中， 为编码器的输出结果；

S1.4，进行解码操作，得到全局感知的声学图像种类结果X：。

3.根据权利要求2所述的多源信息融合驱动的水下场景智能感知方法，其特征在于，步骤S1.1中， 处理的公式为：；

；

其中， 为时间步长t的输出； 表示循环结构的上一时刻的输入； 表示当前时刻的输入； 和 均为 层的输入； 代表常用卷积层的权值；

代表特征图；c为偏置； 为激活函数ReLU。

4.根据权利要求2所述的多源信息融合驱动的水下场景智能感知方法，其特征在于，步骤S1.2中，RMS模块的数据处理的公式为：；

；

其中， 代表RMS模块时间步长t的输出， 和 分别代表RMS模块的输入；

代表深度可分离卷积层的权值； 代表特征图；c为偏置； 为激活函数ReLU。

5.根据权利要求1所述的多源信息融合驱动的水下场景智能感知方法，其特征在于，步骤S2包括：S2.1，通过 的卷积操作，将全局感知得到的感兴趣的目标X进行局部处理，进行特征初步提取；

S2.2，将初步提取的特征I输入到LA模块中，得到输出D：；

S2.3，对D的特征经过 的卷积操作，得到 ：；

S2.4，将全局感知得到的感兴趣的目标X和步骤S2.3得到的 结合：；

S2.5，将步骤S2.4得到的E再次输入到LA模块中，重复LA模块的数据处理过程，得到F：；

S2.6，采用 的卷积操作将步骤S2.4得到的特征图F进行降维，获得局部输出的结果O。

6.根据权利要求5所述的多源信息融合驱动的水下场景智能感知方法，其特征在于，步骤S2.1中，进行特征初步提取的公式为：，

其中， ，代表感兴趣区域的像素个数，k为感兴趣目标区域的通道数。

7.根据权利要求5所述的多源信息融合驱动的水下场景智能感知方法，其特征在于，步骤S2.2包括：S2.2.1，将初步提取的特征I分别进行三次 卷积操作，三次 的卷积操作为同时且并联进行：通过第一个 卷积操作，得到可训练的变换矩阵 ；通过第二个 卷积操作，得到可训练的变换函数 ；通过第三个 卷积操作，得到可训练的变换函数；

S2.2.2，将可训练的变换函数 和 通过进行如下处理：；

S2.2.3，将A通过Softmax函数 处理，；

得到的B为具有关键图像目标信息的 矩阵；

S2.2.4，将B与可训练的变换矩阵 进行如下处理：；

其中， 代表非线性函数，包含BN层和ReLU函数；W为本模块可学习的权矩阵；

S2.2.5，通过将步骤S2.2.4得到的C和步骤S2.1得到的I进行加权，得到LA模块的输出D，。

8.根据权利要求1所述的多源信息融合驱动的水下场景智能感知方法，其特征在于，步骤S3中，通过置信度筛查，将S1和S2的输出结果进行融合：；

其中，H代表探测区域个数；网络感知需要将探测的区域数据划分为若干个图像作为输入，i表示一个区域中划分的图像个数； 表示在某个探测区域中全局感知的结果，表示在某个探测区域中局部感知的结果。

9.根据权利要求8所述的多源信息融合驱动的水下场景智能感知方法，其特征在于，如果 与 属于同一类别，那么 的值为 1，则证明在全局感知到疑似目标，在前往感兴趣的区域进行局部感知后，同样感知到有目标物，则证明该感兴趣的区域具有目标物；

若 与 不属于同一类别，此时 的值为 0，则说明全局感知到疑似目标后进行局部细致感知，并未感知到感兴趣目标；

当0.5≤Z<1时，证明该感兴趣的区域具有高度感兴趣的目标物，具有探测价值；

当0≤Z<0.5时，证明该感兴趣的区域干扰物多，探测价值低。