1.一种基于几何属性的锚点生成方法，其特征在于，所述锚点生成方法包括如下步骤：

步骤一、从目标数据集的每张图像中提取出所有目标的标注边界框的宽和高，并将每个标注边界框的宽和高与该张图像的宽和高相除，得到n个归一化的标注边界框的宽和高，在坐标图中，以原点表示归一化后的边界框的左下角顶点，以右上角顶点表示为边界框的宽高坐标；

步骤二、将步骤一中归一化的标注边界框的宽与高相除，生成对应标注边界框的宽高比，基于欧氏距离采用K均值聚类算法(K-means)对n个标注边界框的宽高比进行聚类，得到n个聚类中心的宽高比；

步骤三、对于步骤一中归一化的标注边界框的宽和高，采用基于强化交并比(Strengthed Intersection over Union,SIoU)距离的K-means算法对n个标注边界框的宽和高进行聚类，得到n个聚类中心的宽高尺度；

步骤四、将步骤二及步骤三得到的n个聚类中心的宽高比及宽高尺度与锚点的基础尺度相乘，生成锚点。

2.根据权利要求1所述的基于几何属性的锚点生成方法，其特征在于，所述方法步骤一中的归一化方法为：提取图像中所有标注边界框的坐标设为点集D，Di＝[xi1,yi1,xi2,yi2]表示第i个标注边界框的左上角及右下角坐标，第i个标注边界框的宽和高分别为wi＝xi2-xi1，hi＝yi2-yi1，将第i个标注边界框的宽wi和高hi分别除以图像的宽M和高N，即表示归一化后标注边界框的宽高集合，将归一化后图像中的边界框的左下角归置到原点，以右上角顶点表示为边界框的宽高坐标。

3.根据权利要求2所述的基于几何属性的锚点生成方法，其特征在于，所述方法步骤二中标注边界框的宽高比聚类方法为：计算每个标注边界框的宽高比 得到宽高比集合{ri}，对{ri}进行K-means聚类，从所有的{ri}中随机选取K个作为初始质心集合{Km}，计算{ri}中每个宽高比与{Km}中每个初始质心的欧式距离，将距离每个质心最近的宽高比归为一簇，共划分为K个簇；计算每个簇的均值，更新质心位置，重复步骤二，当每个簇的质心边界框的更新误差小于给定误差时，结束步骤二。

4.根据权利要求3所述的基于几何属性的锚点生成方法，其特征在于，所述方法步骤三中的标注边界框尺寸聚类方法为：步骤(1)、在使用右上角顶点表示边界框的宽高坐标之后，从所有标注边界框中随机选取K个作为初始质心边界框，对n个标注边界框和K个初始质心边界框在宽高平面上进行聚类，计算第l个质心边界框到第i个标注边界框的SIoU，SIoU的计算公式为：步骤(2)、计算两个边界框之间的交并比(Intersection over Union,IoU)，将两个标注边界框交集的面积Sl∩i与标注边界框并集的面积Sl∪i相除，即步骤(3)、计算两个边界框之间的最小闭包的面积SC，将两个边界框的最小闭包面积与边界框并集的面积SC-Sl∪i的差值与最小闭包的面积SC相除，作为M，即步骤(4)、计算IoU与M的差值，作为SIoU，即SIoU＝IoU-M；

步骤(5)、计算第l个质心边界框到第i个标注边界框的距离

将距离每个质心最近的宽高比归为一簇，共划分为K个簇；

步骤(6)、分别求出每个簇中所有边界框的宽的中值作为这一簇中新质心边界框的宽，相应地，以高的中值作为这一簇中新质心边界框的高；

步骤(7)、重复上述步骤(1)-(6)，当每个簇的质心边界框的更新误差小于给定误差时，聚类结束，将K个质心边界框的宽与高相乘即得到K个尺寸SK。

5.根据权利要求4所述的基于几何属性的锚点生成方法，其特征在于，所述方法步骤四中的生成尺寸和宽高比向量的方法为：在聚类结束之后，将由边界框宽高比聚类得到的RK及边界框尺寸聚类得到的SK与锚点的基础尺寸Bs相乘，得到包含目标几何属性的锚点。