技术特征：
1.一种物体识别方法，其特征在于，包括：获取目标图像，检测所述目标图像的图像质量；当所述目标图像的图像质量满足第一预设条件时，对所述目标图像进行物体识别，得到至少一个候选框、每个所述候选框中物体的类别以及每个所述候选框中物体的类别的置信度；从所有所述候选框中获取物体的类别的置信度大于第一预设阈值的候选框，得到第一目标候选框；对物体的类别为同一类别的第一目标候选框进行过滤，得到第二目标候选框；其中，得到的每两个第二目标候选框中的物体的类别不同；对所有所述第二目标候选框两两计算重合度，并获取重合度大于第二预设阈值的两个所述第二目标候选框中一个，得到第三目标候选框；当得到多个所述第三目标候选框时，获取中心位置与所述目标图像的预设中心位置之间的距离最短的第三目标候选框中物体的类别，得到所述目标图像中物体的识别结果并输出。2.根据权利要求1所述的物体识别方法，其特征在于，所述对所有所述第二目标候选框两两计算重合度，并获取重合度大于第二预设阈值的两个所述第二目标候选框中一个，得到第三目标候选框，包括：对所有所述第二目标候选框两两计算交并比，得到所有所述第二目标候选框两两之间的重合度；剔除重合度大于第二预设阈值的两个所述第二目标候选框中的其中一个，得到第三目标候选框。3.根据权利要求2所述的物体识别方法，其特征在于，所述剔除重合度大于第二预设阈值的两个所述第二目标候选框中的其中一个，得到第三目标候选框，包括：获取重合度大于第二预设阈值的两个所述第二目标候选框中物体的类别；剔除重合度大于第二预设阈值的两个所述第二目标候选框中物体的类别的常见度满足第二预设条件的第二目标候选框，得到第三目标候选框。4.根据权利要求1所述的物体识别方法，其特征在于，所述对物体的类别为同一类别的第一目标候选框进行过滤，得到第二目标候选框，包括：过滤物体的类别为同一类别的第一目标候选框中物体的类别的置信度非最高的第一目标候选框，得到第二目标候选框。5.根据权利要求1所述的物体识别方法，其特征在于，所述当所述目标图像的图像质量满足第一预设条件时，对所述目标图像进行物体识别，得到至少一个候选框、每个所述候选框中物体的类别以及每个所述候选框中物体的类别的置信度，包括：在所述目标图像的图像质量满足所述第一预设条件时，将所述目标图像输入至已训练的神经网络模型进行物体识别，得到至少一个候选框、每个所述候选框中物体的类别以及每个所述候选框中物体的类别的置信度。6.根据权利要求1所述的物体识别方法，其特征在于，所述对所有所述第二目标候选框两两计算重合度，并获取重合度大于第二预设阈值的两个所述第二目标候选框中一个，得到第三目标候选框之后，还包括：
当得到一个所述第三目标候选框时，获取一个所述第三目标候选框中物体的类别，得到所述目标图像中物体的识别结果并输出。7.根据权利要求1至6任一项所述的物体识别方法，其特征在于，所述检测所述目标图像的图像质量，包括：检测所述目标图像的清晰度、色度和亮度是否在各自对应的预设正常范围内；当所述清晰度、所述色度和所述亮度均在各自对应的预设正常范围内时，判定所述目标图像满足第一预设条件。8.根据权利要求7所述的物体识别方法，其特征在于，所述检测所述目标图像的清晰度、色度和亮度是否在各自对应的预设正常范围内之后，还包括：当所述亮度不在预设正常亮度范围且在预设处理亮度范围内时，通过高动态范围成像算法对所述目标图像进行处理，以使处理后的所述目标图像满足第一预设条件。9.一种物体识别装置，其特征在于，包括：检测模块，用于获取目标图像，检测所述目标图像的图像质量；识别模块，用于当所述目标图像的图像质量满足第一预设条件时，对所述目标图像进行物体识别，得到至少一个候选框、每个所述候选框中物体的类别以及每个所述候选框中物体的类别的置信度；第一获取模块，用于从所有所述候选框中获取物体的类别的置信度大于第一预设阈值的候选框，得到第一目标候选框；过滤模块，用于对物体的类别为同一类别的第一目标候选框进行过滤，得到第二目标候选框；其中，得到的每两个第二目标候选框之间的物体的类别不同；第二获取模块，用于对所有所述第二目标候选框两两计算重合度，并获取重合度大于第二预设阈值的两个所述第二目标候选框中一个，得到第三目标候选框；第三获取模块，用于当得到多个所述第三目标候选框时，获取中心位置与所述目标图像的预设中心位置之间的距离最短的第三目标候选框中物体的类别，得到所述目标图像中物体的识别结果并输出。10.一种终端设备，包括存储器、处理器以及存储在所述存储器中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8任一项所述的方法。