1.一种自动报靶方法，其特征在于，包括：获取第一时刻对应的第一采集图像和第二时刻对应的第二采集图像；其中，所述第一时刻为发生射击行为之前的时刻，所述第二时刻为发生射击行为之后的时刻；

利用基于卷积神经网络训练得到的弹孔识别模型，分别识别所述第一采集图像和所述第二采集图像中的弹孔数量和各个弹孔的坐标；

若根据所述第一采集图像和所述第二采集图像中的弹孔数量确定具有新增弹孔，则根据所述第一采集图像和所述第二采集图像中的各个弹孔的坐标，确定所述新增弹孔的坐标，并根据所述新增弹孔的坐标确定射击成绩；

若根据所述第一采集图像和所述第二采集图像中的弹孔数量确定不具有新增弹孔，则确定射击成绩为零分；

所述分别识别所述第一采集图像和所述第二采集图像中的弹孔数量和各个弹孔的坐标之前，所述方法还包括：

利用基于卷积分割网络训练得到的图像分割模型，分别识别所述第一采集图像和所述第二采集图像中的靶面图像和背景图像；

去除所述第一采集图像和所述第二采集图像中的背景图像。

2.根据权利要求1所述的自动报靶方法，其特征在于，所述根据所述第一采集图像和所述第二采集图像中的弹孔数量确定具有新增弹孔，包括：若确定所述第二采集图像对应的弹孔数量大于所述第一采集图像对应的弹孔数量，则确定具有所述新增弹孔。

3.根据权利要求1所述的自动报靶方法，其特征在于，所述根据所述第一采集图像和所述第二采集图像中的弹孔数量确定具有新增弹孔，包括：若确定所述第二采集图像对应的弹孔数量大于所述第一采集图像对应的弹孔数量，获取第三时刻对应的第三采集图像；其中，所述第三时刻与所述第二时刻相对应；

利用基于卷积神经网络训练得到的弹孔识别模型，识别所述第三采集图像中的弹孔数量；

若确定所述第三采集图像对应的弹孔数量大于所述第一采集图像对应的弹孔数量，则确定具有所述新增弹孔。

4.根据权利要求1所述的自动报靶方法，其特征在于，所述根据所述第一采集图像和所述第二采集图像中的各个弹孔的坐标，确定所述新增弹孔的坐标，包括：将所述第二采集图像对应的各个弹孔的坐标与所述第一采集图像对应的各个弹孔的坐标进行比较，确定仅在所述第二采集图像中出现的弹孔的坐标为所述新增弹孔的坐标。

5.根据权利要求1所述的自动报靶方法，其特征在于：在所述分别识别所述第一采集图像和所述第二采集图像中的弹孔数量和各个弹孔的坐标之前，还包括：

获取所述第一采集图像或所述第二采集图像中的目标区域对应的四个角点；

根据所述目标区域对应的四个角点和标准靶面图像对应的四个角点，计算得到图像配准变换矩阵；

在所述确定所述新增弹孔的坐标之后，还包括：根据所述图像配准变换矩阵，校准所述新增弹孔的坐标。

6.一种自动报靶装置，其特征在于，所述装置包括：图像获取单元，其配置为获取第一时刻对应的第一采集图像和第二时刻对应的第二采集图像；其中，所述第一时刻为发生射击行为之前的时刻，所述第二时刻为发生射击行为之后的时刻；

弹孔识别单元，其配置为利用基于卷积神经网络训练得到的弹孔识别模型，分别识别所述第一采集图像和所述第二采集图像中的弹孔数量和各个弹孔的坐标；

成绩确定单元，其配置为若根据所述第一采集图像和所述第二采集图像中的弹孔数量确定具有新增弹孔，则根据所述第一采集图像和所述第二采集图像中的各个弹孔的坐标，确定所述新增弹孔的坐标，并根据所述新增弹孔的坐标确定射击成绩；若根据所述第一采集图像和所述第二采集图像中的弹孔数量确定不具有新增弹孔，则确定射击成绩为零分；

所述装置还包括图像处理单元，其配置为在所述分别识别所述第一采集图像和所述第二采集图像中的弹孔数量和各个弹孔的坐标之前，利用基于卷积分割网络训练得到的图像分割模型，分别识别所述第一采集图像和所述第二采集图像中的靶面图像和背景图像；

去除所述第一采集图像和所述第二采集图像中的背景图像。

7.一种自动报靶设备，其特征在于，所述设备包括：处理器以及存储有计算机程序指令的存储器；

所述处理器执行所述计算机程序指令时实现如权利要求1‑5任意一项所述的自动报靶方法。

8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现如权利要求1‑5任意一项所述的自动报靶方法。