1.一种运动目标检测方法，其特征在于，包括：对运动目标图像进行图像增强；所述运动目标图像为包含了待检测运动目标的图像；对增强后的运动目标图像进行特征提取，获取目标全局特征和目标局部特征；基于目标全局特征和目标局部特征，构建待检测运动目标的当前描述子；通过特征匹配的方式，从运动目标数据库中多个描述子真值中确定出当前描述子对应的匹配描述子真值；其中，运动目标数据库中的描述子真值对应了已知类型的运动目标，描述子真值包括目标全局特征真值和目标局部特征真值；将当前描述子的目标局部特征映射至匹配描述子真值的目标全局特征真值，以进行待检测运动目标的检测；对增强后的运动目标图像进行特征提取，获取目标全局特征和目标局部特征，包括：将增强后的运动目标图像输入预先训练完成的目标检测模型中进行卷积操作，输出目标全局特征；以及，将增强后的运动目标图像输入至预先训练完成的候选区域识别模型，识别出运动目标的候选区域锚框；基于候选区域锚框，确定待检测运动目标未被遮挡的局部候选区域；将所述局部候选区域对应的图像输入至预先训练完成的目标检测模型中进行卷积操作，输出目标局部特征；将当前描述子的目标局部特征映射至匹配描述子真值的目标全局特征真值，以进行待检测运动目标的检测，包括：根据当前描述子的目标局部特征确定对应的候选区域锚框；以及，根据匹配描述子真值的目标全局特征真值确定对应的全局特征真值边框；计算所述候选区域锚框与所述全局特征真值边框的交并比；在交并比大于预设阈值的情况下，确定待检测运动目标与匹配描述子真值对应的运动目标为相同类别。
2.根据权利要求1所述的运动目标检测方法，其特征在于，在对运动目标图像进行图像增强之前还包括：采集原始运动目标图像；对所述原始运动目标图像进行预处理操作，生成运动目标图像；所述预处理操作包括以下操作中的一种或者多种的组合：切分操作、标注操作、扩充操作以及归一化操作。
3.根据权利要求1所述的运动目标检测方法，其特征在于，生成训练完成的目标检测模型的步骤包括：采用卷积神经网络创建待训练的目标检测模型；采集多个目标图像训练样本，并将所述目标图像训练样本输入所述目标检测模型中进行训练，输出模型的损失值；在所述损失值达到预设最小值的情况下，生成训练完成的目标检测模型。
4.根据权利要求1所述的运动目标检测方法，其特征在于，对运动目标图像进行图像增强，包括：将运动目标图像输入预先训练的质量增强模型中进行增强操作，以提升运动目标图像的图像/特征质量。
5.根据权利要求1所述的运动目标检测方法，其特征在于，所述预设阈值为0.75。
6.一种运动目标检测装置，其特征在于，包括：图像增强模块，用于对运动目标图像进行图像增强；特征提取模块，用于对增强后的运动目标图像进行特征提取，获取目标全局特征和目标局部特征；特征提取模块，具体用于将增强后的运动目标图像输入预先训练完成的目标检测模型中进行卷积操作，输出目标全局特征；以及，将增强后的运动目标图像输入至预先训练完成的候选区域识别模型，识别出运动目标的候选区域锚框；基于候选区域锚框，确定待检测运动目标未被遮挡的局部候选区域；将所述局部候选区域对应的图像输入至预先训练完成的目标检测模型中进行卷积操作，输出目标局部特征；特征整合模块，用于基于目标全局特征和目标局部特征，构建待检测运动目标的当前描述子；特征匹配模块，用于通过特征匹配的方式，从运动目标数据库中多个描述子真值中确定出当前描述子对应的匹配描述子真值；其中，运动目标数据库中的描述子真值对应了已知类型的运动目标，描述子真值包括目标全局特征真值和目标局部特征真值；运动目标检测模块，用于将当前描述子的目标局部特征映射至匹配描述子真值的目标全局特征真值，以进行待检测运动目标的检测；运动目标检测模块具体用于：根据当前描述子的目标局部特征确定对应的候选区域锚框；以及，根据匹配描述子真值的目标全局特征真值确定对应的全局特征真值边框；计算所述候选区域锚框与所述全局特征真值边框的交并比；在交并比大于预设阈值的情况下，确定待检测运动目标与匹配描述子真值对应的运动目标为相同类别。
7.一种终端，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述运动目标检测方法的步骤。
8.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述运动目标检测方法的步骤。
