1.一种基于人工智能和计算机视觉的交通事故处理方法，其特征在于，包括：获取启动交通事故处理的启动人员的身份信息；

获取到所述身份信息之后，获取至少两张交通事故图像，所述交通事故图像中包含至少两个车辆；

对交通事故图像进行处理，得到交通事故图像中的初始事故车辆；

将各交通事故图像中的初始事故车辆的特征进行一致性比对，若满足一致性比对条件，则获取各交通事故图像的目标区域，所述目标区域与各初始事故车辆在交通事故图像中所占区域相关；

对各交通事故图像的目标区域进行地面车道线识别，得到各交通事故图像中的目标地面车道线；

根据各交通事故图像中的初始事故车辆以及目标地面车道线，确定各初始事故车辆的交通事故责任；

获取各初始事故车辆的车牌号；

将各初始事故车辆的车牌号、所述身份信息和认定的交通事故责任进行数据整合，得到交通事故认定数据包。

2.根据权利要求1所述的基于人工智能和计算机视觉的交通事故处理方法，其特征在于，所述对交通事故图像进行处理，得到交通事故图像中的初始事故车辆，具体为：获取各个车辆的特征数据，所述特征数据包括对应车辆在对应的交通事故图像中所占区域的图像数据；

将同一个交通事故图像中包含的各车辆中两两车辆的特征数据分别进行组合，得到多个特征集合数据；

将各特征集合数据进行分类，得到目标特征集合数据，并将所述目标特征集合数据对应的两个车辆确定为初始事故车辆，所述目标特征集合数据为各特征集合数据中属于预设目标类别的特征集合数据。

3.根据权利要求2所述的基于人工智能和计算机视觉的交通事故处理方法，其特征在于，所述将各特征集合数据进行分类，得到目标特征集合数据，包括：将各特征集合数据转换成特征集合矩阵；

将各特征集合矩阵通过预设的卷积神经网络，得到各全连接层矩阵；

基于全连接层矩阵和预设参数矩阵，计算各特征集合矩阵属于各个预设类别的概率值；

对于任意一个特征集合矩阵，获取最高的概率值，将所述最高的概率值对应的预设类别作为该特征集合矩阵对应的特征集合数据的类别；

获取各特征集合数据的类别中属于预设目标类别的特征集合数据，得到所述目标特征集合数据。

4.根据权利要求1所述的基于人工智能和计算机视觉的交通事故处理方法，其特征在于，各交通事故图像中的初始事故车辆的特征为颜色特征；

所述将各交通事故图像中的初始事故车辆的特征进行一致性比对，包括：对各交通事故图像中的各初始事故车辆的颜色进行识别，生成各交通事故图像对应的颜色集合，并比对各交通事故图像中对应的颜色集合是否一致，若一致，表示满足一致性比对条件。

5.根据权利要求1所述的基于人工智能和计算机视觉的交通事故处理方法，其特征在于，所述对各交通事故图像的目标区域进行地面车道线识别，得到各交通事故图像中的目标地面车道线，包括：

获取交通事故图像的目标区域的目标区域图像；

对所述目标区域图像中的区别于所述目标区域图像背景的目标对象进行识别；

根据所述目标对象在目标区域图像中的相对位置，确定各个目标对象的表达式；

将各个目标对象的表达式输入至预设的地面车道线识别数据库中，获取地面车道线对应的表达式，得到所述目标地面车道线；其中，所述地面车道线识别数据库包括与地面车道线相对应的至少一个表达式。

6.根据权利要求1所述的基于人工智能和计算机视觉的交通事故处理方法，其特征在于，所述根据各交通事故图像中的初始事故车辆以及目标地面车道线，确定各初始事故车辆的交通事故责任，包括：

根据交通事故图像中，两个初始事故车辆和目标地面车道线的相对位置，计算两个初始事故车辆各自对应的过线面积以及相对角度，其中，过线面积为初始事故车辆在已知行进方向上超过目标地面车道线的面积，相对角度为初始事故车辆的中轴线与目标地面车道线在已知行进方向上的夹角；

根据预设的责任类别数据库，确定各个交通事故图像中，两个初始事故车辆各自对应的过线面积以及相对角度所对应的交通事故责任类别；其中，责任类别数据库包括过线面积区间、相对角度区间以及交通事故责任类别的对应关系。

7.根据权利要求1所述的基于人工智能和计算机视觉的交通事故处理方法，其特征在于，所述将各初始事故车辆的车牌号、所述身份信息和认定的交通事故责任进行数据整合，得到交通事故认定数据包之后，所述交通事故处理方法还包括以下步骤：检测预设范围内的已开启蓝牙的智能手机，并进行蓝牙配对；

蓝牙配对完成之后，将所述交通事故认定数据包发送至所述智能手机。

8.一种基于人工智能和计算机视觉的交通事故处理系统，包括存储器和处理器，以及存储在所述存储器上并在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1‑7任一项所述的基于人工智能和计算机视觉的交通事故处理方法。