1.基于改进SSD算法的目标检测方法，其特征在于，包括：获取待检测图像；

根据待检测图像，获取初始输入数据；

基于ResNet50与CBAM注意力机制对SSD算法进行改进，获取改进目标网络；

根据初始输入数据和改进目标网络，确定目标检测结果；目标检测结果包括：标注置信度的目标类别以及相应的边界框信息；

基于改进SSD算法的目标检测方法，还包括：根据目标检测结果，确定识别待检测图像的智驾车辆的驾驶策略；

其中，根据目标检测结果，确定识别待检测图像的智驾车辆的驾驶策略，包括：根据目标检测结果，确定标注置信度大于等于预设的置信度阈值的依据类别；

根据依据类别的目标特征值和依据类别判定库，确定依据值；目标特征值为：依据类别的检测目标的图像特征值；

根据依据值，获取驾驶控制策略；

根据驾驶控制策略，将第一控制项在控制时间轴上展开；

尝试获取控制时间轴上同一时间轴点的第一控制项之间的控制冲突；

若存在控制冲突，确定控制冲突阶段的第二控制项；

基于冲突剔除条件，对第二控制项进行剔除，获得第三控制项；

根据第三控制项在控制冲突阶段进行驾驶控制；

其中，冲突剔除条件，包括：

将第二控制项对应的依据类别作为判断依据类别，获取判断依据类别预设的优先值；

对不是最大优先值的判断依据类别对应的第二控制项进行剔除。

2.如权利要求1所述的基于改进SSD算法的目标检测方法，其特征在于，根据待检测图像，获取初始输入数据，包括：将待检测图像进行尺寸调整和归一化处理调整为300×300×3的尺寸，获得初始输入数据。

3.如权利要求1所述的基于改进SSD算法的目标检测方法，其特征在于，基于ResNet50与CBAM注意力机制对SSD算法进行改进，获取改进目标网络，包括：将SSD算法中的基础特征提取网络VGG16替换为ResNet50与CBAM注意力机制相结合的新型网络；

为新型网络增加浅层特征融合模块生成特征金字塔的基础层，为特征金字塔增加包含深层特征增强模块、上采样特征增强模块以及特征融合模块的递归反向路径，递归反向路径将经过深层特征增强模块的信息一步步地向前传递，采用递归的方式融合浅层特征图和经过上采样特征增强模块的深层特征图。

4.如权利要求3所述的基于改进SSD算法的目标检测方法，其特征在于，将SSD算法中的基础特征提取网络VGG16替换为ResNet50与CBAM注意力机制相结合的新型网络，包括：将SSD算法中的基础特征提取网络VGG16替换为ResNet50，ResNet50包含50层的深度残差网络；

在每个残差块的输出后应用通道注意力模块，通道注意力模块通过全局平均池化和全局最大池化分别提取输入特征图的全局空间信息，然后通过共享的全连接层生成通道注意力图；

通道注意力图首先通过在通道维度上的最大池化和平均池化生成两个空间特征图，将两个空间特征图进行拼接再经过改进的交错式组卷积生成空间注意力图。

5.如权利要求3所述的基于改进SSD算法的目标检测方法，浅层特征融合模块执行如下操作：处理19×19的特征图，获得第一处理特征图；

处理10×10的特征图，获得第二处理特征图；

将第一处理特征图和第二处理特征图与38×38的特征图进行融合，获取包含不同尺度目标信息的第一融合特征图；

将第一融合特征图作为特征金字塔的基础层。

6.如权利要求3所述的基于改进SSD算法的目标检测方法，上采样特征增强模块执行如下操作：基于亚像素卷积和多分支膨胀卷积相结合的方式进行上采样特征增强。

7.如权利要求3所述的基于改进SSD算法的目标检测方法，深层特征增强模块执行如下操作：处理3×3特征图，获得第三处理特征图；

处理1×1特征图，获得第四处理特征图；

将经过不同上采样方法处理后的第三处理特征图和第四处理特征图与5×5的特征图进行级联操作，通过级联将来自不同尺度的特征图进行融合，获取第二融合特征图；

使用1×1卷积核对第二融合特征图进行进一步优化，获得深层特征增强模块输出。

8.如权利要求1所述的基于改进SSD算法的目标检测方法，还包括：用Focal Loss损失函数替代SSD算法中的分类置信率损失函数。

9.基于改进SSD算法的目标检测系统，其特征在于，包括：待检测图像获取子系统，用于获取待检测图像；

初始输入数据获取子系统，用于根据待检测图像，获取初始输入数据；

改进目标网络确定子系统，用于基于ResNet50与CBAM注意力机制对SSD算法进行改进，获取改进目标网络；

目标检测子系统，用于根据初始输入数据和改进目标网络，确定目标检测结果；目标检测结果包括：标注置信度的目标类别以及相应的边界框信息；

基于改进SSD算法的目标检测系统，还执行如下操作：根据目标检测结果，确定识别待检测图像的智驾车辆的驾驶策略；

其中，根据目标检测结果，确定识别待检测图像的智驾车辆的驾驶策略，包括：根据目标检测结果，确定标注置信度大于等于预设的置信度阈值的依据类别；

根据依据类别的目标特征值和依据类别判定库，确定依据值；目标特征值为：依据类别的检测目标的图像特征值；

根据依据值，获取驾驶控制策略；

根据驾驶控制策略，将第一控制项在控制时间轴上展开；

尝试获取控制时间轴上同一时间轴点的第一控制项之间的控制冲突；

若存在控制冲突，确定控制冲突阶段的第二控制项；

基于冲突剔除条件，对第二控制项进行剔除，获得第三控制项；

根据第三控制项在控制冲突阶段进行驾驶控制；

其中，冲突剔除条件，包括：

将第二控制项对应的依据类别作为判断依据类别，获取判断依据类别预设的优先值；

对不是最大优先值的判断依据类别对应的第二控制项进行剔除。