1.一种基于多尺度引导注意力机制网络的人群计数方法，其特征在于：包括以下步骤：获取待识别的图像数据；

对获取的图像数据进行多尺度特征提取，得到多个特征图，对所有特征图进行融合得到多尺度融合特征图；

将获取的各个尺度的特征图和多尺度融合特征图输入到预设的引导注意力机制模型中，得到不同尺度下的注意力特征图；

将各个尺度下的注意力特征图进行融合，对融合后的特征图进行密度回归，得到人群密度图，根据人群密度图得到人群计数。

2.如权利要求1所述的基于多尺度引导注意力机制网络的人群计数方法，其特征在于：引导注意力机制模型中，根据空间注意力和通道注意力，得到加权后的不同尺度下的注意力特征图。

3.如权利要求1所述的基于多尺度引导注意力机制网络的人群计数方法，其特征在于：通过设置不同的损失函数，引导注意力机制模型在训练中自我调整需要注意的特征信息。

4.如权利要求3所述的基于多尺度引导注意力机制网络的人群计数方法，其特征在于：根据获取的特征图和多尺度融合特征图，结合引导注意力机制模型的编码‑解码器和注意力机制模块，得到各个尺度上的第一注意力损失函数，将各个尺度上的第一注意力损失函数相加后得到组合引导损失。

5.如权利要求3所述的基于多尺度引导注意力机制网络的人群计数方法，其特征在于：引导编码‑解码器的输出与其输入的特征一致或者接近一致，结合重构的特征图以及输入的特征图，得到各个尺度上的第二注意力损失函数，将各个尺度上的第二注意力损失函数相加后得到组合重建损失。

6.如权利要求1所述的基于多尺度引导注意力机制网络的人群计数方法，其特征在于：将得到的多个特征图进行concate操作，而后进行卷积操作，生成多尺度融合特征图。

7.如权利要求1所述的基于多尺度引导注意力机制网络的人群计数方法，其特征在于：对人群密度图像素值进行累加求和，得到最终的人群计数的数值。

8.一种基于多尺度引导注意力机制网络的人群计数系统，其特征在于：包括：图像获取模块，被配置为：获取待识别的图像数据；

多尺度特征提取模块，被配置为：对获取的图像数据进行多尺度特征提取，得到多个特征图，对所有特征图进行融合得到多尺度融合特征图；

引导注意力机制模块，被配置为：将获取的各个尺度的特征图和多尺度融合特征图输入到预设的引导注意力机制模型中，得到不同尺度下的注意力特征图；

人群计数模块，被配置为：将各个尺度下的注意力特征图进行融合，对融合后的特征图进行密度回归，得到人群密度图，根据人群密度图得到人群计数。

9.一种计算机可读存储介质，其上存储有程序，其特征在于，该程序被处理器执行时实现如权利要求1‑7任一项所述的基于多尺度引导注意力机制网络的人群计数方法中的步骤。

10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，其特征在于，所述处理器执行所述程序时实现如权利要求1‑7任一项所述的基于多尺度引导注意力机制网络的人群计数方法中的步骤。