1.一种停车位检测方法，包括：停车场、所述停车场中的待测停车位、所述待测停车位的待测时刻，其特征在于，
获取过去任一时刻下所述待测停车位上有否驻车的第一相关检测数据；
获取所述过去任一时刻下所述待测停车位上有否驻车的真实相关状态；
为所述待测停车位初始化一个深度神经网络，作为第一深度神经网络；
对所述第一深度神经网络进行训练；将所述第一相关检测数据输入所述第一深度神经网络的输入层、将所述真实相关状态输入所述第一深度神经网络的输出层，对所述第一深度神经网络进行训练；
重复所述对第一深度神经网络进行训练的步骤，对所述第一深度神经网络进行多次训练，直到所述第一深度神经网络符合预设条件，将符合预设条件的所述第一深度神经网络作为第二深度神经网络；
获取所述待测时刻下所述待测停车位上有否驻车的第二相关检测数据；
将所述第二相关检测数据输入所述第二深度神经网络进行深度学习；
将所述第二深度神经网络的相应输出作为所述待测时刻下所述待测停车位上有否驻车的机器判定相关状态。
2.根据权利要求1所述的停车位检测方法，其特征在于，
所述获取所述过去任一时刻下所述待测停车位上有否驻车的真实相关状态的步骤中，所述真实相关状态包括停车位被占用和停车位空闲；
所述将所述第二深度神经网络的相应输出作为所述待测时刻下所述待测停车位上有否驻车的机器判定相关状态的步骤中，所述机器判定相关状态包括停车位被占用和停车位空闲。
3.根据权利要求2所述的停车位检测方法，其特征在于，
所述获取所述过去任一时刻下所述待测停车位上有否驻车的真实相关状态的步骤中，所述真实相关状态包括停车位上驻车车辆的类型，所述类型是根据车辆的大小进行划分；
所述将所述第二深度神经网络的相应输出作为所述待测时刻下所述待测停车位上有否驻车的机器判定相关状态的步骤中，所述机器判定相关状态包括根据车辆的大小进行划分的停车位上驻车车辆的类型。
4.根据权利要求1所述的停车位检测方法，其特征在于，所述为所述待测停车位初始化一个深度神经网络，作为第一深度神经网络的步骤包括：将所述第一深度神经网络的输入层的数据结构初始化为所述待测停车位上有否驻车的第一相关检测数据的数据结构或可以转化成的数据结构，将所述第一深度神经网络的输出层的数据结构初始化为所述待测停车位上有否驻车的真实相关状态的数据结构或可以转化成的数据结构，并将所述第一深度神经网络初始化出预设层数个中间层，所述预设层数是大于或者等于0的整数。
5.根据权利要求1所述的停车位检测方法，其特征在于，
所述获取过去任一时刻下所述待测停车位上有否驻车的第一相关检测数据的步骤，是获取所述过去任一时刻下所述待测停车位及其相邻停车位上有否驻车的检测数据；
所述获取所述待测时刻下所述待测停车位上有否驻车的第二相关检测数据的步骤，是获取所述待测时刻下所述待测停车位及其相邻停车位上有否驻车的检测数据。
6.根据权利要求1所述的停车位检测方法，其特征在于，
所述获取过去任一时刻下所述待测停车位上有否驻车的第一相关检测数据的步骤，是获取所述过去任一时刻下所述待测停车位及所述停车场中所有其他停车位上有否驻车的检测数据；
所述获取所述待测时刻下所述待测停车位上有否驻车的第二相关检测数据的步骤，是获取所述待测时刻下所述待测停车位及所述停车场中所有其他停车位上有否驻车的检测数据。
7.根据权利要求1所述的停车位检测方法，其特征在于，
所述获取过去任一时刻下所述待测停车位上有否驻车的第一相关检测数据的步骤中，所述第一相关检测数据是通过地磁传感器、红外传感器及摄像头中的一种或一种以上采集的检测数据；
所述获取所述待测时刻下所述待测停车位上有否驻车的第二相关检测数据的步骤中，所述第二相关检测数据是通过地磁传感器、红外传感器及摄像头中的一种或一种以上采集的检测数据。
8.根据权利要求4所述的停车位检测方法，其特征在于，所述对所述第一深度神经网络进行训练的步骤还包括：将所述过去任一时刻下所述第一相关检测数据压缩成所述预设层数组的分辨率递减的中间数据，每一组所述中间数据与一个所述中间层对应；
将每一组中间数据输入所述对应的中间层。
9.根据权利要求1所述的停车位检测方法，其特征在于，
所述获取过去任一时刻下所述待测停车位上有否驻车的第一相关检测数据的步骤中，将获取到的所述第一相关检测数据存储于大数据；
所述获取所述过去任一时刻下所述待测停车位上有否驻车的真实相关状态的步骤中，将获取到的所述真实相关状态存储于所述大数据；
所述对所述第一深度神经网络进行训练的步骤中，是从所述大数据中读取所述第一相关检测数据和所述真实相关状态；
所述获取所述待测时刻下所述待测停车位上有否驻车的第二相关检测数据的步骤中，将获取到的所述第二相关检测数据存储于所述大数据；
所述将所述第二相关检测数据输入所述第二深度神经网络进行深度学习的步骤中，是从所述大数据中读取所述第二相关检测数据输入所述第二深度神经网络；
所述将所述第二深度神经网络的相应输出作为所述待测时刻下所述待测停车位上有否驻车的机器判定相关状态的步骤中，将所述机器判定相关状态存储于所述大数据中。
10.一种停车位检测系统，其特征在于，包括：
训练输入数据获取模块，用于获取过去任一时刻下停车场中的待测停车位上有否驻车的第一相关检测数据；
训练输出数据获取模块，用于获取所述过去任一时刻下所述待测停车位上有否驻车的真实相关状态；
初始化模块，用于为所述待测停车位初始化一个深度神经网络，作为第一深度神经网络；
训练模块，将所述第一相关检测数据输入所述第一深度神经网络的输入层、将所述真实相关状态输入所述第一深度神经网络的输出层，对所述第一深度神经网络进行训练；多次训练直到所述第一深度神经网络符合预设条件，将符合预设条件的所述第一深度神经网络作为第二深度神经网络；；
检测数据获取模块，用于获取待测时刻下所述待测停车位上有否驻车的第二相关检测数据；
停车检测模块，用于将所述第二相关检测数据输入所述第二深度神经网络进行深度学习；
停车判定模块，用于将所述第二深度神经网络的相应输出作为所述待测时刻下待测停车位上有否驻车的机器判定相关状态。