1.基于地理位置信息的影像智能分析方法，用于识别设备类型，其特征在于,包括如下步骤：建立设备数据库，所述设备数据库中包括设备类型和设备位置信息；获取摄像机的拍摄方向、摄像机的位置信息和摄像机拍摄的待分析影像；根据摄像机的拍摄方向和摄像机的位置信息获取待分析影像的成像区域；从设备数据库中获取位于成像区域内且距离摄像机最近的设备；并将该设备作为待比对设备；根据待比对设备的设备类型、待比对设备的设备位置信息、摄像机的拍摄方向和摄像机的位置信息获取待分析影像中待比对设备的感兴趣区域；根据待分析影像的感兴趣区域和待比对设备的设备类型获取待分析影像中设备的类型；所述从设备数据库中获取位于成像区域内且距离摄像机最近的设备包括：获取设备数据库中各设备的位置信息，根据设备的位置信息计算设备与摄像机的距离,并将与摄像机距离小于预设值的设备作为第一预选设备；判断每个第一预选设备是否在成像区域中，将在成像区域中的第一预选设备作为第二预选设备；计算各个第二预选设备与摄像机之间的距离，获取与摄像机距离最短的第二预选设备作为待比对设备；所述设备数据库中包含各个设备的占地位置区域，所述判断每个第一预选设备是否在成像区域中包括：获取每个第一预选设备的占地位置区域，判断第一预选设备的占地位置区域是否均在成像区域内，如果第一预选设备的地位置区域在成像区域内，则该第一预选设备在成像区域中；所述根据待比对设备的类型、待比对设备的位置信息、摄像机的拍摄方向和摄像机的位置信息获取待分析影像中待比对设备的感兴趣区域包括：根据待比对设备的类型获取待比对设备的最高高度和最大宽度，根据待比对设备的位置信息和摄像机的位置信息计算待比对设备与摄像机之间的距离，根据待比对设备的最高高度和最大宽度、待比对设备与摄像机之间的距离以及摄像机自身的像素获取比对设备在待分析影像的占用区域大小，根据摄像机拍摄方向、待比对设备的位置信息和待比对设备与摄像机之间的距离获得待比对设备的底部中心在待分析影像中的预测位置，根据待比对设备的底部中心在待分析影像中的预测位置和待比对设备在待分析影像的占用区域大小获得待分析影像中待比对设备的感兴趣区域；所述根据待分析影像的感兴趣区域和待比对设备的设备类型获取待分析影像中设备的类型包括：根据待分析影像感兴趣区域的影像信息识别感兴趣区域中是否存在与待比对设备类型相同的设备；如果影像信息识别感兴趣区域中存在与待比对设备类型相同的设备，则待分析影像中设备的类型为待比对设备类型。
2.如权利要求1所述的基于地理位置信息的影像智能分析方法，其特征在于，根据摄像机的拍摄方向和摄像机的位置信息获取待分析影像的成像区域包括：以扇形区域作为成像区域，其中，所述扇形以摄像机作为圆心，以预设值作为半径，以摄像机的水平视角角度作为圆心角，以摄像机的拍摄方向作为其圆心角角平分线的方向。
3.如权利要求2所述的基于地理位置信息的影像智能分析方法，其特征在于，所述预设值为0.5km。
4.如权利要求1所述的基于地理位置信息的影像智能分析方法，其特征在于，如果待分析影像中设备的类型为待比对设备类型，则在感兴趣区域内或感兴趣区域周侧标识设备类型。
5.如权利要求1所述的基于地理位置信息的影像智能分析方法，其特征在于，所述根据待分析影像感兴趣区域的影像信息识别感兴趣区域中是否存在与待比对设备类型相同的设备包括：建立设备类型库，设备类型库中保存多种不同方向、不同角度和不同时间段拍摄的待比对设备影像；将待分析影像感兴趣区域的影像信息与设备类型库中待比对设备类型的所有待比对设备影像一一比对，如果存在待比对设备影像与待比对设备类型相似度超过80%，则感兴趣区域中存在与待比对设备类型相同的设备。
6.如权利要求1所述的基于地理位置信息的影像智能分析方法，其特征在于，方法还包括读取每个类型设备的设备图片库，为每个类型设备建立一个卷积神经网路模型，其中，所述卷积神经网路模型通过如下步骤建立：根据HOG特征提取算法提取HOG特征，构建卷积神经网路并利用HOG特征对卷积神经网路进行训练，得到训练好的卷积神经网路模型；所述根据待分析影像感兴趣区域的影像信息识别感兴趣区域中是否存在与待比对设备类型相同的设备包括：获取待分析影像感兴趣区域的HOG特征；获取待比对设备类型的卷积神经网路模型，根据HOG特征和卷积神经网路模型得出待分析影像感兴趣区域是否存在与待比对设备类型相同的设备。
