1.一种信息获取方法，包括：

获取摄像头拍摄的至少一帧视频图像；

将所述视频图像输入到视频缺陷识别模型的多个视频缺陷识别子模型中，得到各视频缺陷识别子模型的输出值，各所述视频缺陷识别子模型的输出值用于指示所述视频图像是否具有与该视频缺陷识别子模型对应的缺陷类型，每一个视频缺陷识别子模型用于识别以下任意一种缺陷类型：清晰度异常、亮度异常、颜色异常、连续性异常、对比度异常，所述每一个视频缺陷识别子模型与所述缺陷类型中的一种缺陷类型一一对应；

基于各个视频缺陷识别子模型的输出值确定所述视频图像所对应的缺陷类型信息，所述缺陷类型信息用于指示所述视频图像的缺陷类型。

2.根据权利要求1所述的方法，其中，所述视频缺陷识别子模型包括亮度异常识别子模型；以及在将所述视频图像输入到视频缺陷识别模型的多个视频缺陷识别子模型中，得到各视频缺陷识别子模型的输出值之前，所述方法还包括：获取拍摄所述视频图像时的环境亮度参数；

所述将所述视频图像输入到视频缺陷识别模型的多个视频缺陷识别子模型中，得到各视频缺陷识别子模型的输出值，包括：将所述环境亮度参数以及所述视频图像输入到亮度异常识别子模型，以使所述亮度异常识别子模型基于所述环境亮度参数和所述视频图像的亮度参数确定输出值。

3.根据权利要求1所述的方法，其中，所述视频缺陷识别子模型包括连续性异常识别子模型；以及所述将所述视频图像输入到视频缺陷识别模型的多个视频缺陷识别子模型中，得到各视频缺陷识别子模型的输出值，包括：将至少连续两帧视频图像输入到所述连续性异常识别子模型，得到所述连续性异常识别子模型根据所述至少连续两帧视频图像确定的输出值。

4.根据权利要求1-3任一项所述的方法，其中，各所述视频缺陷识别子模型均为卷积神经网络模型。

5.根据权利要求1所述的方法，其中，在获取摄像头所拍摄的至少一帧视频图像之前，所述方法还包括：使用添加了缺陷类型标注的多个视频图像分别对各所述视频缺陷识别子模型进行训练。

6.一种信息获取装置，包括：

第一获取单元，配置用于获取摄像头拍摄的至少一帧视频图像；

输入单元，配置用于将所述视频图像输入到视频缺陷识别模型的多个视频缺陷识别子模型中，得到各视频缺陷识别子模型的输出值，各所述视频缺陷识别子模型的输出值用于指示所述视频图像是否具有与该视频缺陷识别子模型对应的缺陷类型，每一个视频缺陷识别子模型用于识别以下任意一种缺陷类型：清晰度异常、亮度异常、颜色异常、连续性异常、对比度异常，所述每一个视频缺陷识别子模型与所述缺陷类型中的一种缺陷类型一一对应；

确定单元，配置用于基于各个视频缺陷识别子模型的输出值确定所述视频图像所对应的缺陷类型信息，所述缺陷类型信息用于指示所述视频图像的缺陷类型。

7.根据权利要求6所述的装置，其中，所述视频缺陷识别子模型包括亮度异常识别子模型；以及所述装置还包括第二获取单元，所述第二获取单元配置用于在所述输入单元将所述视频图像输入到视频缺陷识别模型的多个视频缺陷识别子模型中，得到各视频缺陷识别子模型的输出值之前，获取拍摄所述视频图像时的环境亮度参数；

所述输入单元进一步配置用于：

将所述环境亮度参数以及所述视频图像输入到亮度异常识别子模型，以使所述亮度异常识别子模型基于所述环境亮度参数和所述视频图像的亮度参数确定输出值。

8.根据权利要求6所述的装置，其中，所述视频缺陷识别子模型包括连续性异常识别子模型；以及所述输入单元进一步配置用于：

将至少连续两帧视频图像输入到所述连续性异常识别子模型，得到所述连续性异常识别子模型根据所述至少连续两帧视频图像确定的输出值。

9.根据权利要求6-8任一项所述的装置，其中，各所述视频缺陷识别子模型均为卷积神经网络模型。

10.根据权利要求6所述的装置，其中，所述装置还包括训练单元，所述训练单元配置用于：在所述获取单元获取摄像头所拍摄的至少一帧视频图像之前，使用添加了缺陷类型标注的多个视频图像分别对各所述视频缺陷识别子模型进行训练。

11.一种服务器，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。

12.一种计算机可读存储介质，其上存储有计算机程序，其中，该程序被处理器执行时实现如权利要求1-5中任一所述的方法。