1.一种婚恋对象匹配数据处理方法，所述方法包括：匹配对象对应的匹配图像大数据包括已婚匹配对象双方的人脸图片，还可以包括双方的地域、结婚登记地域、年龄信息形成多维度的输入训练数据进行训练；

接收请求匹配对象用户终端发送的匹配请求，所述匹配请求包括请求匹配对象图像数据，将所述请求匹配对象图像数据作为第一对象图像数据，获取待推荐对象图像数据作为第二对象图像数据；其中第一对象和第二对象分别为请求匹配对象和待推荐对象；

获取第一对象与第二对象所属的目标地区；

将所述第一对象图像数据和第二对象图像数据输入已训练的所述目标地区对应的深度学习神经网络，所述深度学习神经网络的参数是以所述目标地区内已婚匹配对象对应的匹配图像大数据作为输入，将所述目标地区内已婚匹配对象对应的有效匹配时长与深度学习神经网络训练模型的预设匹配时长比较得到的对应的标签作为预期输出，输入深度学习神经网络训练模型训练得到；

深度学习神经网络训练模型的预设匹配时长是在训练深度学习神经网络训练模型时就确定的，可训练得到对应不同预设匹配时长的深度学习神经网络训练模型；根据需要选择目标预设匹配时长的深度学习神经网络训练模型；

获取所述目标地区对应的深度学习神经网络输出的对应的匹配结果；

根据所述匹配结果确定所述第一对象与第二对象在所述预设匹配时长的范围内的匹配状态；

如果请求匹配对象与待推荐对象在所述预设匹配时长的范围内的匹配状态为匹配成功状态，则向所述请求匹配对象用户终端发送待推荐对象对应的用户信息；

将第一对象与多个待匹配对象进行预设匹配时长的范围内的匹配状态的计算，获取最大匹配概率的对象作为目标匹配对象。

2.根据权利要求1所述的方法，其特征在于，所述获取待匹配的第一对象图像数据和第二对象图像数据的步骤之前，还包括：获取训练图像大数据，所述训练图像大数据包括多个不同地区的已婚匹配对象对应的匹配图像大数据，从所述匹配图像大数据中提取对应的各个已婚匹配对象对应的匹配图像对；

获取已婚匹配对象对应的有效匹配时长，获取各个地区对应的深度学习神经网络训练模型的预设匹配时长；

根据已婚匹配对象对应的有效匹配时长和预设匹配时长的关系将对应的匹配图像对归入对应的目标集合，不同的目标集合对应不同的标签；

将同一地区对应的各个匹配图像对作为深度学习神经网络的输入，分别对各个地区对应的深度学习神经网络进行无监督训练；

依次获取各个目标集合内的目标匹配图像对和目标集合对应的标签形成匹配关系，依次将各个目标集合内同一地区对应的目标匹配图像对作为深度学习神经网络的输入，将具备匹配关系的标签作为深度学习神经网络的预期输出，分别对各个地区对应的深度学习神经网络进行有监督训练；

得到已训练的各个地区对应的深度学习神经网络。

3.根据权利要求2所述的方法，其特征在于，所述获取已婚匹配对象对应的有效匹配时长的步骤包括：

获取已婚匹配对象的匹配起始时间和当前匹配状态；

如果当前匹配状态为非匹配，则获取匹配终止时间，根据匹配终止时间与匹配起始时间得到有效匹配时长；

如果当前匹配状态为匹配，则获取已婚匹配对象双方状态，如果已婚匹配对象双方状态正常，则获取当前时间，根据当前时间与匹配起始时间得到有效匹配时长范围；

如果已婚匹配对象双方中至少一方状态异常，则将有效匹配时长确定为预设时长。

4.根据权利要求2所述的方法，其特征在于，所述根据已婚匹配对象对应的有效匹配时长和预设匹配时长的关系将对应的匹配图像对归入对应的目标集合，不同的目标集合对应不同的标签的步骤包括：

如果有效匹配时长大于或等于预设匹配时长，则将所述已婚匹配对象对应的匹配图像对归入第一集合，所述第一集合对应第一标签；

如果有效匹配时长小于预设匹配时长，则将所述已婚匹配对象对应的匹配图像对归入第二集合，所述第二集合对应第二标签；

如果有效匹配时长与预设匹配时长的关系未确定，则将所述已婚匹配对象对应的匹配图像对归为无效数据。

5.根据权利要求1所述的方法，其特征在于，所述根据所述匹配结果确定第一对象与第二对象在所述预设匹配时长的范围内的匹配状态的步骤包括：如果所述匹配结果为第一标签，则确定所述第一对象与第二对象在所述预设匹配时长的范围内为匹配成功状态；

如果所述匹配结果为第二标签，则确定所述第一对象与第二对象在所述预设匹配时长的范围内为匹配失败状态。

6.根据权利要求1所述的方法，其特征在于，所述获取待推荐对象图像数据作为第二对象图像数据，包括：

从婚恋匹配网站获取注册用户的资料图片作为所述待推荐对象图像数据，将所述待推荐对象图像数据作为所述第二对象图像数据。

7.一种婚恋对象匹配数据处理装置，其特征在于，所述装置包括：获取模块，用于接收请求匹配对象用户终端发送的匹配请求，所述匹配请求包括请求匹配对象图像数据，将所述请求匹配对象图像数据作为第一对象图像数据，获取待推荐对象图像数据作为第二对象图像数据；获取第一对象与第二对象所属的目标地区；

匹配结果获取模块，用于将所述第一对象图像数据和第二对象图像数据输入已训练的所述目标地区对应的深度学习神经网络，所述深度学习神经网络的参数是以所述目标地区内已婚匹配对象对应的匹配图像大数据作为输入，将所述目标地区内已婚匹配对象对应的有效匹配时长与深度学习神经网络训练模型的预设匹配时长比较得到的对应的标签作为预期输出，输入深度学习神经网络训练模型训练得到，获取所述已训练的深度学习神经网络输出的对应的匹配结果；

匹配状态确定模块，用于根据所述匹配结果确定所述第一对象与第二对象在所述预设匹配时长的范围内的匹配状态；

发送模块，用于如果请求匹配对象与待推荐对象在所述预设匹配时长的范围内的匹配状态为匹配成功状态，则向所述请求匹配对象用户终端发送待推荐对象对应的用户信息；

匹配对象对应的匹配图像大数据包括已婚匹配对象双方的人脸图片，还可以包括双方的地域、结婚登记地域、年龄信息形成多维度的输入训练数据进行训练；其中第一对象和第二对象分别为请求匹配对象和待推荐对象；深度学习神经网络训练模型的预设匹配时长是在训练深度学习神经网络训练模型时就确定的，可训练得到对应不同预设匹配时长的深度学习神经网络训练模型；根据需要选择目标预设匹配时长的深度学习神经网络训练模型；

将第一对象与多个待匹配对象进行预设匹配时长的范围内的匹配状态的计算，获取最大匹配概率的对象作为目标匹配对象。

8.根据权利要求7所述的装置，其特征在于，所述匹配状态确定模块还用于如果所述匹配结果为第一标签，则确定所述第一对象与第二对象在所述预设匹配时长的范围内为匹配成功状态；如果所述匹配结果为第二标签，则确定所述第一对象与第二对象在所述预设匹配时长的范围内为匹配失败状态。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1至6中任一项所述方法的步骤。

10.一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如权利要求1至6中任一项所述方法的步骤。