1.一种增强现实图像处理方法，其特征在于，包括：
获取若干连续帧的增强现实图像样本并分别对其进行归一化和去噪预处理；
以标签形式标注出每个预处理后图像样本中目标的实际位置信息及标签类别；
利用标签化的样本分别训练用于目标定位的第一卷积神经网络和目标标签分类的第二卷积神经网络；
将待处理的增强现实图像进行归一化和去噪预处理之后，再输入至训练完成的第一卷积神经网络和第二卷积神经网络中，分别得到待处理的增强现实图像的目标位置信息与标签分类信息。
2.如权利要求1所述的一种增强现实图像处理方法，其特征在于，利用标签化的样本分别训练用于目标定位的第一卷积神经网络和目标标签分类的第二卷积神经网络的过程包括：
标签化的样本分别输入至用于目标定位的第一卷积神经网络和目标标签分类的第二卷积神经网络，输出的目标位置信息与标签分类信息，直至第一卷积神经网络和第二卷积神经网络分别输出的目标位置信息与标签分类信息与目标的实际位置信息与标签分类信息一致，得到训练完成的第一卷积神经网络和第二卷积神经网络。
3.如权利要求1所述的一种增强现实图像处理方法，其特征在于，所述第一卷积神经网络为RPN卷积神经网络。
4.如权利要求1所述的一种增强现实图像处理方法，其特征在于，所述第二卷积神经网络为fast-RCNN卷积神经网络。
5.一种增强现实图像处理系统，其特征在于，包括：
样本集获取模块，其用于获取若干连续帧的增强现实图像样本；
预处理模块，其用于对每个样本分别进行归一化和去噪预处理；
标签化模块，其用于以标签形式标注出每个预处理后图像样本中目标的实际位置信息及标签类别；
卷积神经网络训练模块，其用于利用标签化的样本分别训练用于目标定位的第一卷积神经网络和目标标签分类的第二卷积神经网络；
图像目标信息获取模块，其用于将待处理的增强现实图像进行归一化和去噪预处理之后，再输入至训练完成的第一卷积神经网络和第二卷积神经网络中，分别得到待处理的增强现实图像的目标位置信息与标签分类信息。
6.如权利要求5所述的一种增强现实图像处理系统，其特征在于，在所述卷积神经网络训练模块中，标签化的样本分别输入至用于目标定位的第一卷积神经网络和目标标签分类的第二卷积神经网络，输出的目标位置信息与标签分类信息，直至第一卷积神经网络和第二卷积神经网络分别输出的目标位置信息与标签分类信息与目标的实际位置信息与标签分类信息一致，得到训练完成的第一卷积神经网络和第二卷积神经网络。
7.如权利要求5所述的一种增强现实图像处理系统，其特征在于，所述第一卷积神经网络为RPN卷积神经网络；
或所述第二卷积神经网络为fast-RCNN卷积神经网络。
8.一种增强现实图像处理系统，其特征在于，包括：
图像采集装置，其被配置为：
采集若干连续帧的增强现实图像以及待处理的增强图像并传送至处理器；
所述处理器，其被配置为：
对获取的若干连续帧的增强现实图像样本分别进行归一化和去噪预处理，并将预处理后的图像样本传送至服务器；
所述处理器还被配置为：将待处理的增强图像进行归一化和去噪预处理并传送至服务器；
所述服务器，其被配置为：
以标签形式标注出每个预处理后图像样本中目标的实际位置信息及标签类别；
利用标签化的样本分别训练用于目标定位的第一卷积神经网络和目标标签分类的第二卷积神经网络，得到训练完成的第一卷积神经网络和第二卷积神经网络；
以及将预处理后的待处理的增强图像输入至训练完成的第一卷积神经网络和第二卷积神经网络中，分别得到待处理的增强现实图像的目标位置信息与标签分类信息。
9.一种增强现实图像处理系统，其特征在于，包括：
图像采集装置，其被配置为：
采集若干连续帧的增强现实图像以及待处理的增强图像并传送至服务器。
所述服务器，其被配置为：
对获取的若干连续帧的增强现实图像样本分别进行归一化和去噪预处理；
以标签形式标注出每个预处理后图像样本中目标的实际位置信息及标签类别；
利用标签化的样本分别训练用于目标定位的第一卷积神经网络和目标标签分类的第二卷积神经网络，得到训练完成的第一卷积神经网络和第二卷积神经网络；
以及将待处理的增强图像进行归一化和去噪预处理，之后再输入至训练完成的第一卷积神经网络和第二卷积神经网络中，分别得到待处理的增强现实图像的目标位置信息与标签分类信息。
10.如权利要求8或9所述的一种增强现实图像处理系统，其特征在于，所述服务器还被配置为：
标签化的样本分别输入至用于目标定位的第一卷积神经网络和目标标签分类的第二卷积神经网络，输出的目标位置信息与标签分类信息，直至第一卷积神经网络和第二卷积神经网络分别输出的目标位置信息与标签分类信息与目标的实际位置信息与标签分类信息一致，得到训练完成的第一卷积神经网络和第二卷积神经网络；
或该系统还包括显示装置，其用于显示待处理的增强现实图像的目标位置信息与标签分类信息。