1.一种商品的风格识别方法，其特征在于，所述方法包括：
获取商品的样本图片，按照预设方式对所述样本图片进行处理后形成样本训练集；
对预先设置的深度卷积神经网络进行参数初始化，以及将所述样本训练集中的样本图片在所述参数初始化后的深度卷积神经网络中进行训练，得到图片风格识别模型；
利用所述图片风格识别模型对待识别商品的图片进行识别，获取所述待识别商品的图片属于不同风格类型的概率向量，所述概率向量中的概率值的和为1；
根据设置的商品风格判断规则和所述概率向量识别所述待识别商品的风格类型。
2.如权利要求1所述的一种商品的风格识别方法，其特征在于，所述预先设置的深度卷积神经网络被设置成，包括：
三层卷积层、两层全连通层、一层Softmax层、三层RELU层、三层Maxpooling层。
3.如权利要求2所述的一种商品的风格识别方法，其特征在于，所述预先设置的深度卷积神经网络被设置成，包括：
包括64个卷积核的第一高斯卷积层；与所述第一高斯卷积层相连的第一Maxpooling层、RELU层、归一化层；与所述第一Maxpooling层相连的包括32个卷积核的第二高斯卷积层；与所述第二斯卷积层相连的第二Maxpooling层、RELU层、归一化层；与所述第二Maxpooling层相连的包括16个卷积核的第三高斯卷积层；与所述第三斯卷积层相连的第三Maxpooling层、RELU层、归一化层；所述第三Maxpooling层相连的第一全连通层；与所述第一全连通层相连的第二全连通层和Dropout层；与所述第二全连通层相连的Softmax层。
4.如权利要求1所述的一种商品的风格识别方法，其特征在于，所述根据设置的商品风格判断规则和所述概率向量识别所述待识别商品的风格类型包括：
从所述概率向量中选取概率值最大的前M个概率值P1，P2，P3，…，PM，且P1≥P2≥P3，…，P(M-1)≥PM，1≤M＜N，N为所述概率向量中概率值的个数，以及采用下述中的至少一种方式识别待识别商品的风格类型：
若P1大于等于第一阈值，P2小于第三阈值，则将所述P1所对应的风格类型作为所述待识别商品的风格类型；
若P1大于等于第二阈值，P2大于等于第三阈值，且P1与P2所对应的风格类型互斥，则将所述P1所对应的风格类型作为所述待识别商品的风格类型；若P1与P2所对应的风格 类型不互斥，则将所述P1和P2所对应的风格类型作为所述待识别商品的风格类型；
若P1小于第二阈值，且P2至PM所对应的风格类型均与P1所对应的风格类型互斥，则将所述P1所对应的风格类型作为所述待识别商品的风格类型；
若P1小于第二阈值，PM小于第四阈值，则将P1所对应的风格类型，以及P2至P(M-1)中大于等于第四阈值且与P1所对应的风格类型不互斥的风格类型作为所述待识别商品的风格类型；
若P1小于第二阈值，PM大于等于第四阈值，且P1至PM之间均不互斥，则将所述P1至PM所对应的风格类型作为所述待识别商品的风格类型；
若P1小于第二阈值，PM大于等于第四阈值，则将P1所对应的风格类型以及P2至PM中与P1所对应的风格类型不互斥的风格类型作为所述待识别商品的风格类型；若所述P2至PM中与P1所对应的风格类型不互斥的风格类型之间存在互斥，则将P1与P2所对应的风格类型作为所述待识别商品的风格类型。
5.如权利要求4所述的一种商品的风格识别方法，其特征在于，采用下述中的至少一种设置方式识别所述待识别图片所属的风格类型：
M取值为3；
所述第一阈值取值范围包括：0.8至0.95；
所述第二阈值取值包括：0.4至0.6；
所述第三阈值取值包括：0.2至0.3；
第四阈值的取值范围包括：0.1至0.15。
6.如权利要求1、2、3中任意一项所述的一种商品的风格识别方法，其特征在于，所述根据设置的商品风格判断规则和所述概率向量识别所述待识别商品的风格类型包括下述中的至少一种：
选取所述概率向量中最大的概率值所对应的风格类型作为所述待识别商品的风格类型；
选取所述概率向量中大于预设阈值的概率值所对应的风格类型作为所述待识别商品的风格类型。
7.如权利要求1所述的一种商品的风格识别方法，其特征在于，所述按照预设方式对所述样本图片进行处理包括：
将所述样本图片的颜色信息转换为RGB三通道颜色信息；
将所述样本图片的短边缩放至第一预设值，相应的，所述样本图片的长边按照所述短边的缩放比例进行同比例缩放，形成第一样本图片；
以所述第一样本图片的所述长边和短边的垂直中分线交点为中心点将所述第一样本图片裁剪为边长为所述第一预设值的正方形样本图片。
8.如权利要求7所述的一种商品的风格识别方法，其特征在于，所述方法还包括：
分别以所述边长为所述第一预设值的正方形样本图片的左上角、右上角、左下角、右下角、左边中部、右边中部、上边中部、下边中部为边界裁剪出边长为第二预设值的正方形样本图片，以所述边长为第二预设值的正方形样本图片的一条垂边为轴做镜像翻转形成新的边长为第二预设值的正方形样本图片。
9.一种商品的风格识别装置，其特征在于，所述装置包括：
训练集构建模块，用于获取商品的样本图片，以及按照预设方式对所述样本图片进行处理后形成样本训练集；
样本训练模块，用于存储设置的深度卷积神经网络；还用于对所述深度卷积神经网络进行参数初始化，以及将所述样本训练集中的样本图片在所述参数初始化后的深度卷积神经网络中进行训练，得到图片风格识别模型；
图片识别模块，用于利用所述图片风格识别模型对待识别商品的图片进行识别，获取所述待识别商品的图片属于不同风格类型的概率向量，所述概率向量中的概率值的和为1；
风格识别模块，用于存储设置的商品风格判断规则，以及根据所述商品风格判断规则和所述概率向量识别所述待识别图片所属的风格类型。
10.如权利要求9所述一种商品的风格识别装置，其特征在于，所述样本训练模块中存储设置的深度卷积神经网络被设置成，包括：
三层卷积层、两层全连通层、一层Softmax层、三层RELU层、三层Maxpooling层。
11.如权利要求10所述一种商品的风格识别装置，其特征在于，所述预先设置的深度卷积神经网络被设置成，包括：
包括64个卷积核的第一高斯卷积层；与所述第一高斯卷积层相连的第一Maxpooling层、RELU层、归一化层；与所述第一Maxpooling层相连的包括32个卷积核的第二高斯卷积层；与所述第二斯卷积层相连的第二Maxpooling层、RELU层、归一化层；与所述第二Maxpooling 层相连的包括16个卷积核的第三高斯卷积层；与所述第三斯卷积层相连的第三Maxpooling层、RELU层、归一化层；所述第三Maxpooling层相连的第一全连通层；与所述第一全连通层相连的第二全连通层和Dropout层；与所述第二全连通层相连的Softmax层。
12.如权利要求9所述一种商品的风格识别装置，其特征在于，所述风格识别模块包括：
概率值选取模块，用于从所述概率向量中选取概率值最大的前M个概率值P1，P2，P3，…，PM，且P1≥P2≥P3，…，P(M-1)≥PM，1≤M＜N，N为所述概率向量中概率值的个数；
识别结果输出模块，用于采用下述中的至少一种方式识别待识别商品的风格类型：
若P1大于等于第一阈值，P2小于第三阈值，则将所述P1所对应的风格类型作为所述待识别商品的风格类型；
若P1大于等于第二阈值，P2大于等于第三阈值，且P1与P2所对应的风格类型互斥，则将所述P1所对应的风格类型作为所述待识别商品的风格类型；若P1与P2所对应的风格类型不互斥，则将所述P1和P2所对应的风格类型作为所述待识别商品的风格类型；
若P1小于第二阈值，且P2至PM所对应的风格类型均与P1所对应的风格类型互斥，则将所述P1所对应的风格类型作为所述待识别商品的风格类型；
若P1小于第二阈值，PM小于第四阈值，则将P1所对应的风格类型，以及P2至P(M-1)中大于等于第四阈值且与P1所对应的风格类型不互斥的风格类型作为所述待识别商品的风格类型；
若P1小于第二阈值，PM大于等于第四阈值，且P1至PM之间均不互斥，则将所述P1至PM所对应的风格类型作为所述待识别商品的风格类型；
若P1小于第二阈值，PM大于等于第四阈值，则将P1所对应的风格类型以及P2至PM中与P1所对应的风格类型不互斥的风格类型作为所述待识别商品的风格类型；若所述P2至PM中与P1所对应的风格类型不互斥的风格类型之间存在互斥，则将P1与P2所对应的风格类型作为所述待识别商品的风格类型。
13.如权利要求12所述一种商品的风格识别装置，其特征在于，所述风格识别模块采用下述中的至少一种设置方式识别所述待识别图片所属的风格类型：
M取值为3；
所述第一阈值取值范围包括：0.9至0.95；
所述第二阈值取值包括：0.4至0.6；
所述第三阈值取值包括：0.2至0.3。
14.如权利要求9、10、11中任意一项所述一种商品的风格识别装置，其特征在于，所述风格识别模块包括下述中的至少一种：
最大值选取模块，用于选取所述概率向量中最大的概率值所对应的风格类型作为所述待识别商品的风格类型；
预设阈值选取模块，用于选取所述概率向量中大于预设阈值的概率值所对应的风格类型作为所述待识别商品的风格类型。
15.如权利要求9所述一种商品的风格识别装置，其特征在于，所述训练集构建模块包括：
颜色信息转换模块，用于将所述样本图片的颜色信息转换为RGB三通道颜色信息；
缩放模块，用于将所述样本图片的短边缩放至第一预设值，以及将所述样本图片的长边按照所述短边的缩放比例进行同比例缩放，形成第一样本图片；
中心区域裁剪模块，用于以所述第一样本图片的所述长边和短边的垂直中分线交点为中心点将所述第一样本图片裁剪为边长为所述第一预设值的正方形样本图片。
16.如权利要求15所述一种商品的风格识别装置，其特征在于，所述训练集构建模块还包括：
第一扩展模块，用于分别以所述边长为所述第一预设值的正方形样本图片的左上角、右上角、左下角、右下角、左边中部、右边中部、上边中部、下边中部为边界裁剪出边长为第二预设值的正方形样本图片；
第二扩展模块，用于以所述边长为第二预设值的正方形样本图片的一条垂边为轴做镜像翻转形成新的边长为第二预设值的正方形样本图片。