1.一种图片中目标物的定位方法，其特征在于，所述方法包括：
从原始图片中识别出目标物的候选区域；
将所述候选区域的图像内容输入到已训练的全卷积神经网络中，通过所述全卷积神经网络对所述候选区域的图像内容进行卷积处理，输出所述候选区域对应的热度图，所述热度图上每一个坐标点对应的值为所述全卷积神经网络对所述目标物在所述候选区域计算出的概率值；
基于所述热度图上的每一个坐标点对应的概率值，确定所述目标物在所述原始图片中的第一候选框集合以及所述第一候选框集合中每一个候选框对应的置信度；
基于所述第一候选框集合每一个候选框对应的置信度，确定所述目标物在所述原始图片中的位置区域。
2.根据权利要求1所述的方法，其特征在于，所述基于所述第一候选框集合中每一个候选框对应的置信度，确定所述目标物在所述原始图片中的位置区域，包括：
对所述第一候选框集合进行聚类，合并所述第一候选框集合中的重叠框，得到第二候选框集合；
将所述热度图上的概率值大于预设阈值的坐标点映射到所述原始图片中的对应坐标位置；
基于所述原始图片中的对应坐标位置确定第三候选框集合；
根据所述第二候选框集合和所述第三候选框集合，确定所述目标物在所述原始图片中的位置区域。
3.根据权利要求2所述的方法，其特征在于，所述根据所述第二候选框集合和所述第三候选框集合，确定所述目标物在所述原始图片中的位置区域，包括：
基于所述第二候选框集合和所述第三候选框集合中相重合的候选框，确定第四候选框集合；
对所述第四候选框集合中所包含的候选框各自对应的置信度进行排序，得到排序结果；
将所述排序结果中按照置信度最高的前设定个数的候选框确定为所述目标物所在的第五候选框集合；
基于所述第五候选框集合，确定所述目标物在所述原始图片中的位置区域。
4.根据权利要求2所述的方法，其特征在于，所述方法还包括：
基于非极大值抑制算法，去除所述第三候选框集合中的重叠框。
5.根据权利要求1所述的方法，其特征在于，所述基于所述热度图上的每一个坐标点对应的概率值，确定所述目标物在所述原始图片中的第一候选框集合，包括：
在所述热度图上，确定是否存在概率值大于预设阈值的坐标点；
当存在所述概率值大于第一预设阈值的坐标点时，确定所述概率值大于所述预设阈值的坐标点在所述原始图片中各自对应的像素点；
基于在所述原始图片中各自对应的像素点，确定所述目标物在所述原始图片中的第一候选框集合。
6.一种图片中目标物的定位装置，其特征在于，所述装置包括：
识别模块，被配置为从原始图片中识别出目标物的候选区域；
第一处理模块，被配置为将所述识别模块识别到的所述候选区域的图像内容输入到已训练的全卷积神经网络中，通过所述全卷积神经网络对所述候选区域的图像内容进行卷积处理，输出所述候选区域对应的热度图，所述热度图上每一个坐标点对应的值为所述全卷积神经网络对所述目标物在所述候选区域计算出的概率值；
第一确定模块，被配置为基于所述第一处理模块得到的所述热度图上的每一个坐标点对应的概率值，确定所述目标物在所述原始图片中的第一候选框集合以及所述第一候选框集合中每一个候选框对应的置信度；
第二确定模块，被配置为基于所述第一确定模块确定的所述第一候选框集合每一个候选框对应的置信度，确定所述目标物在所述原始图片中的位置区域。
7.根据权利要求6所述的装置，其特征在于，所述第二确定模块包括：
聚类合并子模块，被配置为对所述第一候选框集合进行聚类，合并所述第一候选框集合中的重叠框，得到第二候选框集合；
映射子模块，被配置为将所述热度图上的概率值大于预设阈值的坐标点映射到所述原始图片中的对应坐标位置；
第一确定子模块，被配置为基于所述映射子模块得到的所述原始图片中的对应坐标位置确定第三候选框集合；
第二确定子模块，被配置为根据所述聚类合并子模块得到的所述第二候选框集合和所述第一确定子模块得到的所述第三候选框集合，确定所述目标物在所述原始图片中的位置区域。
8.根据权利要求7所述的装置，其特征在于，所述第二确定子模块具体被配置为：
基于所述第二候选框集合和所述第三候选框集合中相重合的候选框，确定第四候选框集合；
对所述第四候选框集合中所包含的候选框各自对应的置信度进行排序，得到排序结果；
将所述排序结果中按照置信度最高的前设定个数的候选框确定为所述目标物所在的第五候选框集合；
基于所述第五候选框集合，确定所述目标物在所述原始图片中的位置区域。
9.根据权利要求7所述的装置，其特征在于，所述装置还包括：
第二处理模块，被配置为基于非极大值抑制算法，去除所述第一确定子模块得到的所述第三候选框集合中的重叠框。
10.根据权利要求6所述的装置，其特征在于，所述第一确定模块包括：
第三确定子模块，被配置为在所述热度图上，确定是否存在概率值大于预设阈值的坐标点；
第四确定子模块，被配置为当所述第三确定子模块确定存在所述概率值大于第一预设阈值的坐标点时，确定所述概率值大于所述预设阈值的坐标点在所述原始图片中各自对应的像素点；
第五确定子模块，被配置为基于在所述第四确定子模块确定的所述原始图片中各自对应的像素点，确定所述目标物在所述原始图片中的第一候选框集合。
11.一种图片中目标物的定位装置，其特征在于，所述装置包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为：
从原始图片中识别出目标物的候选区域；
将所述候选区域的图像内容输入到已训练的全卷积神经网络中，通过所述全卷积神经网络对所述候选区域的图像内容进行卷积处理，输出所述候选区域对应的热度图，所述热度图上每一个坐标点对应的值为所述全卷积神经网络对所述目标物在所述候选区域计算出的概率值；
基于所述热度图上的每一个坐标点对应的概率值，确定所述目标物在所述原始图片中的第一候选框集合以及所述第一候选框集合中每一个候选框对应的置信度；
基于所述第一候选框集合每一个候选框对应的置信度，确定所述目标物在所述原始图片中的位置区域。