1.一种基于卷积神经网络的图像背景分割和识别方法，其特征在于：包括如下步骤：(1)根据待处理图像的内容主体确定学习样本，所述样本标注有图像主体信息；

(2)根据样本图像信息，利用背景分割卷积神经网络进行训练，得到背景分割模型；

(3)进行图像背景分割，根据分类卷积神经网络进行训练，得到识别分类模型；

(4)利用背景分割模型对图像数据信息进行处理，根据背景分割后的图像不同内容主体进行保存，利用识别分类模型得到识别结果。

2.根据权利要求1所述的一种基于卷积神经网络的图像背景分割和识别方法，其特征在于：所述的识别分类模型包括卷积层、池化层和全连接层，所述卷积层包括5×5卷积核或

3×3卷积核构成的不同卷积层，所述5x5卷积核的步长为1，所述的3x3卷积核的步长为2，所述池化层的卷积核大小为2×2，步长为2。

3.根据权利要求1所述的一种基于卷积神经网络的图像背景分割和识别方法，其特征在于：所述的步骤(1)包括首先进行样本采集，所述样本根据需要分割图像内容设有标签，所述的标签标明样本图像主体名称信息，按照需要背景分割的图像类别，将样本存放在不同的文件夹下。

4.根据权利要求1所述的一种基于卷积神经网络的图像背景分割和识别方法，其特征在于：所述步骤(2)包括根据获取的样本图像，并且根据样本图像构建背景分割卷积神经网络，让卷积神经网络自主学习样本图像，训练得到背景分割模型，并保存于本地。

5.根据权利要求1所述的一种基于卷积神经网络的图像背景分割和识别方法，其特征在于：所述步骤(3)包括将进行背景分割后的图像放入构建的识别分类卷积神经网络，根据不同类型的图像内容主体，将它们归类放在相应图像主体标签的同一个文件夹下，进行卷积神经网络自主学习样本图像，然后经过训练得到识别分类模型，并存于本地。

6.根据权利要求1所述的一种基于卷积神经网络的图像背景分割和识别方法，其特征在于：步骤(4)具体包括如下步骤：(41)根据需进行背景分割的图像调用本地保存的背景分割模型，并将分割背景后的图像存于本地；

(42)将步骤(41)分割完背景的图像通过调用本地保存的分识别分类模型进行识别分类，得到预测结果；

(43)将步骤(42)识别分类的结果使用txt文本保存于本地，根据测试时间命名txt文本。