1.一种通过图像识别技术实现虚拟水尺识别水位的方法，其特征在于，包括下述步骤：S1选定场景，S2虚拟水尺设置，S3水位标注，S4模型训练，S5通过模型计算水位；

所述S2中，通过选定场景后得到特征物体，所述特征物体是指和水面交汇的物体，根据特征物体和场景的位置情况，确定是横向还是纵向虚拟水尺，并确定虚拟水尺的中轴线，设置最高水位方位K，如果是纵向虚拟水尺那么最高水位方位K在上，如果是横向虚拟水尺那么最高水位方位K在左或者在右；得到最高水位方位K后，设置基准线，所述基准线为最高水位方位K和最高水位之间的像素距离，并设置最高水位值；并根据要求的水位精度设置步幅，通过最高水位向下设置每个刻度的水位，设置若干个刻度后，通过RNN，直接推算下面的水位值，直到虚拟水尺的尾端，将虚拟水尺的尾端作为最低水位值；获得虚拟水尺刻度值和对应的像素值的数组R，所述数组R为：(V1,R1(Rx1Ry1)),(V2,R2(Rx2,Ry2)),…,(Vn，Rn(Rxn,Ryn))；

其中，V1为最高水位值，R1为V1对应的像素点，Vn为最低水位值，Rn为Vn对应的像素值；

所述S3中，水位标注的时候采用点标注的方法，且标注的时候对标注区域进行了放大；通过设置虚拟水尺和水位的交汇点，完成水位标注,获得水位标注的图片训练数据集D0和每个图片的标注集A0；

所述S4中，图片训练和识别前按照虚拟水尺的所在位置进行变换和图片裁剪，将剪裁后的图片提供给训练和识别；首先对图片训练数据集D0进行图片剪裁，其中图片像素为1920*1080,根据前面得到的数组R中第一个像素值（Rx1,Ry1），同时根据最高水位方位K得到虚拟水尺是横向还是纵向；如果虚拟水尺为横向，剪裁的位置左上角的点是(0，Ry1-25)，右下角的点是(1920，Ry1+25)；如果虚拟水尺为纵向，剪裁的位置左上角的点是(Rx1-25，0)，右下角的点是(Rx1+25，1080)，通过矩形进行剪裁获得剪裁数据集合D1；再对每个图片的标注集A0进行矩形变化得到标注集A1，矩形变化规则是以标注点(x,y)为基础点，左上角的点是(x-25,y-25),右下角的点是(x+25,y+25)；最后使用卷积神经网络CNN对标注的数据集D1和标注集A1进行模型训练，获得水位区域的物体检测模型P1；

所述S5中，使用水位识别场景的图片C1计算水位，首先通过S4的剪裁步骤，得到图片C2,用水位区域的物体检测模型P1计算获得水位区域B, 其中左上点B1（Bx1,By1）, 右下点B2 (Bx2,By2)；再结合数组R以及最高水位方位K，如果最高水位方位K在上，是纵向水尺，计算水位位置By＝By1+(By2-By1)/2；将By带入数组R中，按照水位从高到低计算，如果By在Ry1和Ry2之间时，那么水位值＝V2+(V1-V2)*((Ry2-By)/(Ry2-Ry1))；如果最高水位方位K在左或在右，是横向水尺，计算水位位置Bx＝Bx1+(Bx2-Bx1)/2；将Bx带入数组R中，按照水位从高到低计算，如果Bx在Rx1和Rx2之间时，那么水位值＝V2+(V1-V2)*((Rx2-Bx)/(Rx2-Rx1))；最终得到水位值。