1.一种基于摄像机标定及深度学习算法的船舶身份识别系统，其特征在于，包括监测模块、辅助模块、身份识别模块和深度学习算法模块；

所述监测模块用于监测和反馈监测区域内的船舶，其包括船舶监测单元、执行判断单元、追踪定位单元、反馈接收单元和站点警示单元；其中，所述船舶监测单元至少包括两个摄像机；两个摄像机垂直设置，且在水平方向上可移动设置，其中一个摄像机获取横向水平图像，另一个摄像机获取纵向水平图像；所述执行判断单元用于获取所述横向水平图像和所述纵向水平图像，判断摄像机拍摄的船舶的位置；所述横向水平图像和所述纵向水平图像具有点阵状像素点；所述执行判断单元的工作方式包括颜色区分和对比区分；所述颜色区分通过各像素点之间的相邻颜色区分船舶位置；所述对比区分通过将所述横向水平图像旋转后比对于所述纵向水平图像，对比得出船舶的位置，并建立三维模型；

所述辅助模块用于辅助所述监测模块对于船舶的监测，其包括卫星单元、实体单元、灯光单元和信号通知单元；其中，所述卫星单元用于卫星俯视判断船舶位置，卫星间隔俯视拍摄多个像素图层，各所述像素图层叠加对比，比较得出船舶像素点位置，并传输至所述监测模块进行比对以及传输至所述身份识别模块进行识别船舶；所述实体单元用于实体判断船舶位置；所述实体单元包括无人机，当所述监测模块和所述卫星单元仅其中之一监测到船舶且所述身份识别模块无法识别船舶后，所述无人机靠近船舶进行实体判断船舶具体位置和实体通知船舶，进行定位，并传输至所述监测模块和身份识别模块辅助识别船舶；所述灯光单元用于当所述监测模块拍摄的像素点颜色色差小于一个预设值时辅助工作，放大色差；所述信号通知单元用于对所述卫星单元、所述实体单元和所述灯光单元向所述监测模块发出的信号进行传输和比对；

所述身份识别模块用于识别所述监测模块监测的船舶身份，其包括身份比对识别器；

所述身份比对识别器用于获取船舶的AIS坐标，并接入AIS获取船舶的身份信息；

所述深度学习算法模块用于识别未录入的船舶数据，其中，当所述身份比对识别器无法识别船舶的AIS坐标信号时，所述深度学习算法模块判断船舶未使用AIS，所述深度学习算法模块通过所述监测模块和所述辅助模块采集船舶特征信息，录入所述身份比对识别器内，并反馈至人员，用以信号沟通；所述深度学习算法模块采集船舶特征信息时包括：卫星定位，通过所述卫星单元加快卫星间隔俯视拍摄图层速度，持续定位船舶；

外观采集，通过所述摄像机采集船舶的所述横向水平图像和所述纵向水平图像，并根据像素点推算出船舶的长宽高、体积和船身特征；

颜色采集，通过所述执行判断单元采集船舶的船身像素颜色；

实体采集，通过所述实体单元靠近船舶，进行实体判断船舶具体位置和实体通知船舶。

2.根据权利要求1所述的基于摄像机标定及深度学习算法的船舶身份识别系统,其特征在于，所述追踪定位单元用于对执行判断单元确定船舶位置后的像素点进行持续追踪定位；所述反馈接收单元用于对执行判断单元确定船舶位置后向身份识别单元反馈和接收信号；所述站点警示单元用于对身份识别模块无法识别船舶后进行人员警示。

3.根据权利要求1所述的基于摄像机标定及深度学习算法的船舶身份识别系统,其特征在于，进行船舶定位的过程包括：通过利用滤波处理的地面点云对伪同名点对高程插值，以[Xals Yals Zals]T和[XSLS YSLS ZSLS]T分别代表伪同名点对的ALS和SLS特征点坐标，坐标转换关系由公式A、B、C表示，并利用最小二乘解算坐标转换参数；

公式A为： R(α，β，γ)＝R(α)R(β)R(γ)

公式B为：

公式C为：

式中，R(α，β，γ)代表旋转矩阵，α，β，γ分别为绕Z轴、Y轴和X轴的欧拉旋转角；[TxTyTz]T代表X、Y、Z方向的平移量；λ代表尺度参数；通过公式，对船舶进行初配准和船舶位置定位。

4.根据权利要求1所述的基于摄像机标定及深度学习算法的船舶身份识别系统,其特征在于，所述监测模块的输出端与所述身份识别模块的输入端信号连接，所述监测模块的输入端与所述身份识别模块的输出端信号连接，所述辅助模块的输出端与所述身份识别模块的输入端信号连接，所述辅助模块的输入端与所述身份识别模块的输出端信号连接，所述监测模块的输出端与所述辅助模块的输入端信号连接，所述监测模块的输入端与所述辅助模块的输出端信号连接，所述身份识别模块的输出端与所述深度学习算法模块的输入端信号连接，所述身份识别模块的输入端与所述深度学习算法模块的输出端信号连接。