1.一种基于YOLO改进的深度学习目标检测方法，其特征在于，所述方法包括：获取对当前场景内的待检测对象进行拍摄所形成的图像；将所述图像输入预训练的YOLO模型，通过所述YOLO模型对所述图像中的待检测对象进行分类，得到分类结果；所述YOLO模型为一种深度学习模型，所述分类结果包括对所述待检测对象分类后的第一类对象和第二类对象；所述第一类对象为所述当前场景内的固定物体对象，所述第二类对象为所述当前场景内的活动物体对象；在所述图像中的所述第一类对象和所述第二类对象之间的距离满足预设安全距离的情况下，获取所述第二类对象在所述图像中的位置信息和形状信息；所述安全距离为工程师预先设置得到；基于所述第二类对象的位置信息和形状信息，对所述第二类对象进行目标检测；其中，所述目标检测用于确定第二类对象的身份信息。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：在所述图像中的所述第一类对象和所述第二类对象之间的距离满足预设安全距离的情况下，基于所述第二类对象的位置信息，确定与所述第二类对象距离最近的警报装置；向所述警报装置发出报警指令，以指示所述警报装置发出报警信号。
3.根据权利要求1所述的方法，其特征在于，在所述对所述第二类对象进行目标检测之后，还包括：基于所述第二类对象的身份信息，确定与所述第二类对象相互绑定的终端设备；向所述终端设备发出报警指令，以指示所述终端设备发出报警信号。
4.根据权利要求1所述的方法，其特征在于，所述在所述图像中的所述第一类对象和所述第二类对象之间的距离满足预设安全距离的情况下，获取所述第二类对象在所述图像中的位置信息和形状信息，包括：基于预设的比例尺确定所述图像中的所述第一类对象和所述第二类对象之间的连线距离；在所述连线距离小于预设阈值的情况下，获取所述第二类对象在所述图像中的位置信息和形状信息。
5.根据权利要求4所述的方法，其特征在于，所述第一类对象包括至少两个第一子类对象，以及所述第二类对象包括至少两个第二子类对象；所述基于预设的比例尺确定所述图像中的所述第一类对象和所述第二类对象之间的连线距离，包括：基于所述第一类对象中任意两个第一子类对象之间的距离，确定所述比例尺；基于所述比例尺确定各所述第一子类对象分别与每一所述第二子类对象之间的连线距离。
6.根据权利要求1所述的方法，其特征在于，所述基于所述第二类对象的位置信息和形状信息，对所述第二类对象进行目标检测，包括：将所述第二类对象的位置信息与预设数据库中的参考对象的位置信息进行第一匹配，得到第一匹配结果；以及将所述第二类对象的形状信息与所述数据库中的参考对象的形状信息进行第二匹配，得到第二匹配结果；基于所述第一匹配结果和所述第二匹配结果，确定第二类对象的身份信息。
7.根据权利要求6所述的方法，其特征在于，所述基于所述第一匹配结果和所述第二匹配结果，确定第二类对象的身份信息，包括：基于所述第一匹配结果，确定匹配于所述第二类对象的第一参考对象集合；以及基于所述第二匹配结果，确定匹配于所述第二类对象的第二参考对象集合；将所述第一参考对象集合和所述第二参考对象集合之间的交集参考对象作为目标参考对象；将所述目标参考对象的身份信息作为所述第二类对象的身份信息。
8.一种基于YOLO改进的深度学习目标检测装置，其特征在于，包括：图像获取单元，被配置为执行获取对当前场景内的待检测对象进行拍摄所形成的图像；对象分类单元，被配置为执行将所述图像输入预训练的YOLO模型，通过所述YOLO模型对所述图像中的待检测对象进行分类，得到分类结果；所述YOLO模型为一种改进的深度学习模型，所述分类结果包括对所述待检测对象分类后的第一类对象和第二类对象；所述第一类对象为所述当前场景内的固定物体对象，所述第二类对象为所述当前场景内的活动物体对象；信息获取单元，被配置为执行在所述图像中的所述第一类对象和所述第二类对象之间的距离满足预设安全距离的情况下，获取所述第二类对象在所述图像中的位置信息和形状信息；所述安全距离为工程师预先设置得到；目标检测单元，被配置为执行基于所述第二类对象的位置信息和形状信息，对所述第二类对象进行目标检测；其中，所述目标检测用于确定第二类对象的身份信息。
9.一种计算机设备，其特征在于，包括：处理器；用于存储所述处理器的可执行指令的存储器；其中，所述处理器被配置为执行所述可执行指令，以实现如权利要求1至7中任一项所述的基于YOLO改进的深度学习目标检测方法。
10.一种计算机可读存储介质，所述计算机可读存储介质中包括程序数据，其特征在于，当所述程序数据由计算机设备的处理器执行时，使得所述计算机设备能够执行如权利要求1至7中任一项所述的基于YOLO改进的深度学习目标检测方法。
