1.一种基于特征点检测的形变监测方法，其特征在于，包括：获取目标对象对应的待检测图像对，所述待检测图像对中包括第一图像和第二图像，所述第一图像和所述第二图像分别反映所述目标对象在不同时刻的状态；将所述第一图像和所述第二图像分别输入至已训练的特征点检测模型，获取所述特征点检测模型输出的第一特征点检测结果和第二特征点检测结果，所述第一特征点检测结果包括多个第一特征点，所述第二特征点检测结果包括多个第二特征点；对所述第一特征点和所述第二特征点进行匹配，得到特征点对；基于所述特征点对的像素位置，确定所述目标对象在所述第一图像对应的时刻相对于所述第二图像对应的时刻的形变数据；其中，所述特征点检测模型包括多尺度特征模块和融合模块，所述多尺度特征模块用于基于输入至所述特征点检测模型的目标图像构建特征金字塔，并基于所述特征金字塔的每一层特征图像输出对应的中间特征点，所述融合模块用于基于每一层所述特征图像对应的中间特征点，输出所述目标图像的特征点检测结果；所述多尺度特征模块包括采样层和多个检测网络层，每个所述检测网络层包括一个特征提取模块以及一个特征点头部，所述特征提取模块用于提取该层对应分辨率的特征图像，所述特征点头部用于提取该层的所述特征图像进行特征点检测，输出该层的所述特征图像对应的所述中间特征点；所述将所述第一图像和所述第二图像分别输入至已训练的特征点检测模型，获取所述特征点检测模型输出的第一特征点检测结果和第二特征点检测结果，包括：将所述第一图像和所述第二图像分别作为所述目标图像，将所述目标图像输入至所述采样层，对所述目标图像进行多次上采样和/或下采样操作，得到多个尺度的待处理图像；将每个所述待处理图像输入至对应的所述检测网络层中的所述特征提取模块中，通过所述特征提取模块对所述待处理图像进行特征提取，得到所述特征金字塔的每一层的所述特征图像；将所述特征图像输入至对应的所述检测网络层中的所述特征点头部中，获取所述特征点头部输出的所述特征图像对应的所述中间特征点以及所述中间特征点的置信度；将各个所述特征图像对应的所述中间特征点以及所述中间特征点的置信度输入至所述融合模块中，获取所述融合模块输出的所述目标图像的特征点检测结果；将各个所述特征图像对应的所述中间特征点以及所述中间特征点的置信度输入至所述融合模块中，获取所述融合模块输出的所述目标图像的特征点检测结果，包括：通过所述融合模块，执行如下操作：将所述中间特征点映射至同一尺度下；选择置信度最大的所述中间特征点作为待处理特征点，分别获取在所述待处理特征点的邻域中的所述中间特征点与所述待处理特征点的重叠度，所述重叠度反映所述中间特征点与所述待处理特征点的相似性；将重叠度高于预设阈值的所述中间特征点删除；在去除所述待处理特征点的所述中间特征点中选择置信度最大的所述中间特征点作为新的所述待处理特征点，重复执行所述分别获取在所述待处理特征点的邻域中的所述中间特征点与所述待处理特征点的重叠度的步骤，直至遍历所有的所述中间特征点；将保留的所述中间特征点作为所述目标图像的特征点检测结果。
2.根据权利要求1所述的基于特征点检测的形变监测方法，其特征在于，所述获取在所述待处理特征点的邻域中的所述中间特征点与所述待处理特征点的重叠度，包括：分别获取所述中间特征点与所述待处理特征点的特征描述子；基于所述中间特征点与所述待处理特征点的特征描述子确定所述中间特征点与所述待处理特征点的所述重叠度。
3.根据权利要求1所述的基于特征点检测的形变监测方法，其特征在于，所述检测网络层基于superpoint网络构建。
4.根据权利要求1所述的基于特征点检测的形变监测方法，其特征在于，所述确定所述目标对象在所述第一图像对应的时刻相对于所述第二图像对应的时刻的形变数据之后，包括：基于所述形变数据以及所述目标对象的图像生成合成图像；显示所述合成图像。
5.一种基于特征点检测的形变监测装置，其特征在于，包括：图像获取模块，用于获取目标对象对应的待检测图像对，所述待检测图像对中包括第一图像和第二图像，所述第一图像和所述第二图像分别反映所述目标对象在不同时刻的状态；特征点检测模块，用于将所述第一图像和所述第二图像分别输入至已训练的特征点检测模型，获取所述特征点检测模型输出的第一特征点检测结果和第二特征点检测结果，所述第一特征点检测结果包括多个第一特征点，所述第二特征点检测结果包括多个第二特征点；特征点匹配模块，用于对所述第一特征点和所述第二特征点进行匹配，得到特征点对；形变分析模块，用于基于所述特征点对的像素位置，确定所述目标对象在所述第一图像对应的时刻相对于所述第二图像对应的时刻的形变数据；其中，所述特征点检测模型包括多尺度特征模块和融合模块，所述多尺度特征模块用于基于输入至所述特征点检测模型的目标图像构建特征金字塔，并基于所述特征金字塔的每一层特征图像输出对应的中间特征点，所述融合模块用于基于每一层所述特征图像对应的中间特征点，输出所述目标图像的特征点检测结果；所述多尺度特征模块包括采样层和多个检测网络层，每个所述检测网络层包括一个特征提取模块以及一个特征点头部，所述特征提取模块用于提取该层对应分辨率的特征图像，所述特征点头部用于提取该层的所述特征图像进行特征点检测，输出该层的所述特征图像对应的所述中间特征点；所述将所述第一图像和所述第二图像分别输入至已训练的特征点检测模型，获取所述特征点检测模型输出的第一特征点检测结果和第二特征点检测结果，包括：将所述第一图像和所述第二图像分别作为所述目标图像，将所述目标图像输入至所述采样层，对所述目标图像进行多次上采样和/或下采样操作，得到多个尺度的待处理图像；将每个所述待处理图像输入至对应的所述检测网络层中的所述特征提取模块中，通过所述特征提取模块对所述待处理图像进行特征提取，得到所述特征金字塔的每一层的所述特征图像；将所述特征图像输入至对应的所述检测网络层中的所述特征点头部中，获取所述特征点头部输出的所述特征图像对应的所述中间特征点以及所述中间特征点的置信度；将各个所述特征图像对应的所述中间特征点以及所述中间特征点的置信度输入至所述融合模块中，获取所述融合模块输出的所述目标图像的特征点检测结果；将各个所述特征图像对应的所述中间特征点以及所述中间特征点的置信度输入至所述融合模块中，获取所述融合模块输出的所述目标图像的特征点检测结果，包括：通过所述融合模块，执行如下操作：将所述中间特征点映射至同一尺度下；选择置信度最大的所述中间特征点作为待处理特征点，分别获取在所述待处理特征点的邻域中的所述中间特征点与所述待处理特征点的重叠度，所述重叠度反映所述中间特征点与所述待处理特征点的相似性；将重叠度高于预设阈值的所述中间特征点删除；在去除所述待处理特征点的所述中间特征点中选择置信度最大的所述中间特征点作为新的所述待处理特征点，重复执行所述分别获取在所述待处理特征点的邻域中的所述中间特征点与所述待处理特征点的重叠度的步骤，直至遍历所有的所述中间特征点；将保留的所述中间特征点作为所述目标图像的特征点检测结果。
6.一种电子设备，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程序时实现如权利要求1-4任一项所述的基于特征点检测的形变监测方法。
7.一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1-4任一项所述的基于特征点检测的形变监测方法。
8.一种计算机程序产品，包括计算机程序，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1-4任一项所述的基于特征点检测的形变监测方法。
