1.一种人脸识别模型的训练方法，其特征在于，包括：获取图像数据；

通过改进的特征提取模型提取所述图像数据中的图像特征信息，其中，所述改进的特征提取模型为改进的mobilenetV2模型；

通过改进的归一化层对所述图像特征信息进行归一化处理，得到归一化后的图像特征信息；

通过改进的嵌入层从所述归一化后的图像特征信息中获取特征向量；

根据所述特征向量，训练人脸识别模型；

所述改进的mobilenetV2模型按照以下方式获取：删除所述改进的mobilenetV2模型中的Linear层；

所述改进的归一化层按照以下方式获取：

修改归一化层的归一化范围，得到所述改进的归一化层，其中，所述改进的归一化层的归一化范围为大于等于0，且小于等于255；

所述改进的嵌入层按照以下方式获取：

扩充嵌入层的特征向量维度，得到所述改进的嵌入层，其中，所述改进的嵌入层的特征向量维度为256。

2.根据权利要求1所述的方法，其特征在于，根据所述特征向量，训练人脸识别模型，包括：根据所述特征向量，利用改进的多元损失层训练人脸识别模型。

3.根据权利要求2所述的方法，其特征在于，所述改进的多元损失层按照以下方式获取：修改多元损失层中的损失函数，得到所述改进的多元损失层，其中，所述改进的多元损失层中的损失函数为三元损失函数。

4.根据权利要求3所述方法，其特征在于，所述三元损失函数为以目标人的第一人脸数据、目标人的第二人脸数据、非目标人的人脸数据作为输入所生成的损失函数，其中，所述目标人的第一人脸数据和所述目标人的第二人脸数据为所述目标人的不同状态下的人脸数据。

5.一种人脸识别模型的训练装置，其特征在于，包括：第一获取模块，用于获取图像数据；

提取模块，用于通过改进的特征提取模型提取所述图像数据中的图像特征信息，其中，所述改进的特征提取模型为改进的mobilenetV2模型；

归一化模块，用于通过改进的归一化层对所述图像特征信息进行归一化处理，得到归一化后的图像特征信息；

第二获取模块，用于通过改进的嵌入层从所述归一化后的图像特征信息中获取特征向量；

训练模块，用于根据所述特征向量，训练人脸识别模型；

所述改进的mobilenetV2模型按照以下方式获取：删除所述改进的mobilenetV2模型中的Linear层；

所述改进的归一化层按照以下方式获取：

修改归一化层的归一化范围，得到所述改进的归一化层，其中，所述改进的归一化层的归一化范围为大于等于0，且小于等于255；

所述改进的嵌入层按照以下方式获取：

扩充嵌入层的特征向量维度，得到所述改进的嵌入层，其中，所述改进的嵌入层的特征向量维度为256。

6.根据权利要求5所述的装置，其特征在于，所述装置应用于嵌入式ARM设备中。

7.一种计算机可读存储介质，其特征在于，其上存储有计算机指令，所述指令被执行时实现权利要求1至4中任一项所述方法的步骤。