1.一种基于卷积神经网络提取图像特征信息的方法，其特征在于，包括如下步骤：获取原始图像对应的原始图像矩阵，对所述原始图像矩阵进行分块，得到N个像素块，其中，N根据预设卷积核的大小及步长确定，N为大于等于2的自然数；

基于像素值依次为所述N个像素块添加标签，得到M个标签；其中像素值相同的像素块标签相同，像素值不同的像素块标签不同，M≤N；

获取每个标签中的1个像素块对应的像素值概率矩阵，基于所述像素值概率矩阵得到M个标签对应的M个卷积核；

将原始图像矩阵输入卷积神经网络，基于所述M个标签及M个卷积核对原始图像矩阵进行卷积，得到原始图像对应的特征信息；

获取每个标签中的1个像素块对应的像素值概率矩阵，基于所述像素值概率矩阵得到M个标签对应的M个卷积核，包括如下步骤：基于每个标签中的1个像素块，计算像素块中每个像素值占所有像素值总和的比值，得到每个像素值对应的概率值；

将每个像素值对应的概率值按照每个像素值在像素块中的位置依次排列，得到像素块对应的像素值概率矩阵；

将所述像素值概率矩阵中位于最大概率值的十分之一到最大概率值区间的所有概率值置1，其余概率值置0，得到M个标签对应的M个卷积核；

基于所述M个标签及M个卷积核对原始图像矩阵进行卷积包括如下步骤：获取所述原始图像矩阵左上角的第一个像素块，将所述第一个像素块与对应的卷积核进行卷积，得到第一个像素块对应的卷积结果；

基于步长得到第n‑1个像素块，判断所述第n‑1个像素块的标签是否与已卷积像素块的标签相同，若是，直接将已卷积像素块对应的卷积结果作为第n‑1个像素块的卷积结果；若否，将所述第n‑1个像素块与对应的卷积核进行卷积，得到第n‑1个像素块对应的卷积结果；

直至得到第N个像素块对应的卷积结果。

2.根据权利要求1所述的基于卷积神经网络提取图像特征信息的方法，其特征在于，基于像素值依次为所述N个像素块添加标签包括：获取所述原始图像矩阵左上角的第1个像素块，为所述第1个像素块添加标签；

基于步长得到第n‑1个像素块，判断所述第n‑1个像素块的像素值是否与已添加标签的像素块对应的像素值相同，若是，用所述已添加标签代替第n‑1个像素块的标签；若否，为所述第n‑1个像素块添加新的标签；直至得到第N个像素块的标签，其中，2≤n≤N。

3.根据权利要求1所述的基于卷积神经网络提取图像特征信息的方法，其特征在于，将得到的N个所述像素块对应的卷积结果按照像素块在原始图像矩阵中的位置依次排列，得到原始图像对应的特征信息。

4.一种基于卷积神经网络提取图像特征信息的装置，其特征在于，包括：像素块划分模块，用于获取原始图像对应的原始图像矩阵，对所述原始图像矩阵进行分块，得到N个像素块，其中，N根据预设卷积核的大小及步长确定，N为大于等于2的自然数；

标签获得模块，用于根据像素值依次为所述N个像素块添加标签，得到M个标签；其中像素值相同的像素块标签相同，像素值不同的像素块标签不同，M≤N；

卷积核获得模块，用于获取每个标签中的1个像素块对应的像素值概率矩阵，基于所述像素值概率矩阵得到M个标签对应的M个卷积核；

图像特征信息获得模块，用于将原始图像矩阵输入卷积神经网络，基于所述M个标签及M个卷积核对原始图像矩阵进行卷积，得到原始图像对应的特征信息；

所述卷积核获得模块执行下述流程：

基于每个标签中的1个像素块，计算像素块中每个像素值占所有像素值总和的比值，得到每个像素值对应的概率值；

将每个像素值对应的概率值按照每个像素值在像素块中的位置依次排列，得到像素块对应的像素值概率矩阵；

将所述像素值概率矩阵中位于最大概率值的十分之一到最大概率值区间的所有概率值置1，其余概率值置0，得到M个标签对应的M个卷积核；

所述图像特征信息获得模块执行下述流程：

获取所述原始图像矩阵左上角的第一个像素块，将所述第一个像素块与对应的卷积核进行卷积，得到第一个像素块对应的卷积结果；

基于步长得到第n‑1个像素块，判断所述第n‑1个像素块的标签是否与已卷积像素块的标签相同，若是，直接将已卷积像素块对应的卷积结果作为第n‑1个像素块的卷积结果；若否，将所述第n‑1个像素块与对应的卷积核进行卷积，得到第n‑1个像素块对应的卷积结果；

直至得到第N个像素块对应的卷积结果。

5.根据权利要求4所述的基于卷积神经网络提取图像特征信息的装置，其特征在于，所述标签获得模块执行下述流程：获取所述原始图像矩阵左上角的第1个像素块，为所述第1个像素块添加标签；

基于步长得到第n‑1个像素块，判断所述第n‑1个像素块的像素值是否与已添加标签的像素块对应的像素值相同，若是，用所述已添加标签代替第n‑1个像素块的标签；若否，为所述第n‑1个像素块添加标签；直至得到第N个像素块的标签，其中，2≤n≤N。

6.根据权利要求4所述的基于卷积神经网络提取图像特征信息的装置，其特征在于，所述图像特征信息获得模块还用于将得到的N个所述像素块对应的卷积结果按照像素块在原始图像矩阵中的位置依次排列，得到原始图像对应的特征信息。