1.一种基于关键点的区域建议生成方法，其特征在于，所述方法具体包括如下步骤：S1、对关键点集D进行二样本抽样并生成矩形框；

S2、建立各矩形框的正负标签及回归值数组；

S3、基于面积大小对矩形框进行分组，基于组别数来构建表示正负标签的特征立方体，称为标签特征；

S4、基于4倍组别数来构建表示回归变量的特征立方体，称为回归特征；

S5、将矩形框的正负标签映射到标签特征上；

S6、将矩形框的回归值数组映射到回归特征上；

S7、将完成相关映射的标签特征和回归特征代入已知的卷积网络训练，生成区域建议。

2.如权利要求1所述基于关键点的区域建议生成方法，其特征在于，矩形框的构建方法具体如下：在关键点集D中任意抽取两个样本关键点pi和pj，以样本关键点pi和pj作为矩形框对角线上的两端点，来构建矩形框aij。

3.如权利要求1所述基于关键点的区域建议生成方法，其特征在于，矩形框的分组方法具体如下：基于面积大小对矩形框进行分组，分成c个组别，其中c＝[ln(Smax/16)/ln2]+1，Smax为工作数据集中所有图像的最大尺寸面积。

4.如权利要求1所述基于关键点的区域建议生成方法，其特征在于，矩形框的正负标签的建立方法如下：计算矩形框与标注区域的交集与并集的比值；

若比值大于设定值，则矩形框的标签设为正标签1，否则矩形框的标签设为负标签0。

5.如权利要求1所述基于关键点的区域建议生成方法，其特征在于，矩形框的回归值数组建立方法如下：对于标签为正标签1的矩形框，回归值数组为矩形框与标注区域之间中心点的横坐标差、中心点的纵坐标差、宽度差、高度差所组成的四元数组。

6.如权利要求3所述基于关键点的区域建议生成方法，其特征在于，正负标签的特征立方体的构建方法具体如下：正负标签特征立方体的通道数设置为c，宽和高分别为w＝[W/shrank]和h＝[H/shrank]，其中，W和H为设输入图像的宽和高，shrank为卷积网络中池化操作所产生的缩减倍数。

7.如权利要求3所述基于关键点的区域建议生成方法，其特征在于，回归变量特征立方体的构建方法具体如下：回归变量特征立方体的通道数设置为4c，宽和高分别为w＝[W/shrank]和h＝[H/shrank]，其中，W和H为设输入图像的宽和高，shrank为卷积网络中池化操作所产生的缩减倍数。

8.如权利要求6所述基于关键点的区域建议生成方法，其特征在于，回归值数组到回归特征的映射方法具体如下：针对矩形框aij，(1)若矩形框面积s(aij)大于16，将图像的最大面积Smax除以矩形框面积S(aij)，若Smax/S(aij)的比值落在[2k,2k+1)的区间内，则将矩形框aij的正标签或负标签映射到特征的第k个通道上的[ctij/shrank]坐标点处，其中k＝0,1,2,…,c-2；(2)若矩形框面积S(aij)小于等于16，则将矩形框aij的正标签或负标签映射到特征的第c-1个通道上的[ctij/shrank]坐标点处，其中，ctij为矩形框aij中心点坐标。

9.如权利要求7所述基于关键点的区域建议生成方法，其特征在于，所述步骤S5具体如下：对于标签为正标签1的矩形框aij，若矩形框aij属于第k个组别，则将矩形框aij的回归值数组依次映射到第4k到4k+3个通道的[ctij/shrank]坐标点处。