1.一种模型训练方法，用于人脸识别，包括：

获取至少两个训练数据集合，其中，每个训练数据集合中包括数量相同的人脸样本数据，且不同的训练数据集合中人脸样本数据的类型不同；

利用预先建立的人脸识别模型，对每个训练数据集合进行人脸预测，得到所述每个训练数据集合的人脸预测结果；

利用预先标注的所述每个训练数据集合的人脸标注数据，针对所述每个训练数据集合的人脸预测结果，并行对所述人脸识别模型进行监督训练；

其中，所述人脸识别模型至少包括共享全连接层和至少两个特有全连接层，每个特有全连接层与所述共享全连接层连接；所述共享全连接层用于提取任意类型的人脸样本数据的共享特征；所述特有全连接层与每个训练数据集合中人脸样本数据的类型相对应，并用于提取与之对应类型的人脸样本数据的特有特征。

2.根据权利要求1所述的方法，其中，所述特有全连接层用于通过从所述共享全连接层进行特征选择的方式，提取与之对应类型的人脸样本数据的特有特征。

3.根据权利要求2所述的方法，其中，所述特有全连接层的损失函数中，通过稀疏约束的方式实现所述特征选择。

4.根据权利要求1所述的方法，其中，所述利用预先建立的人脸识别模型，对每个训练数据集合进行人脸预测，得到所述每个训练数据集合的人脸预测结果，包括：利用所述人脸识别模型，根据所述共享特征和每个训练数据集合中人脸样本数据的特有特征，对每个训练数据集合进行人脸预测，得到所述每个训练数据集合的人脸预测结果。

5.根据权利要求1所述的方法，其中，所述获取至少两个训练数据集合，包括：将人脸样本数据按任意第一种类型划分方式进行划分，得到至少两个样本数据集合；

分别在每个样本数据集合中获取相同数量的人脸样本数据，得到所述至少两个训练数据集合。

6.根据权利要求5所述的方法，在所述监督训练之后，所述方法还包括：将所述人脸样本数据按与所述第一种类型划分方式不同的第二种类型划分方式进行划分，得到至少两个新的样本数据集合；

分别在每个新的样本数据集合中获取相同数量的人脸样本数据，得到至少两个新的训练数据集合；

以所述监督训练出的人脸识别模型作为预训练模型，并利用所述预训练模型，对所述每个新的训练数据集合进行人脸预测，得到所述每个新的训练数据集合的人脸预测结果；

利用预先标注的所述每个新的训练数据集合的人脸标注数据，针对所述每个新的训练数据集合的人脸预测结果，并行对所述预训练模型进行再次的监督训练。

7.一种人脸识别方法，包括：

利用权利要求1-6中任一项所述的模型训练方法训练出的人脸识别模型，提取待识别人脸图像的共享特征，其中，所述人脸识别模型至少包括共享全连接层，所述共享全连接层用于提取任意类型的待识别人脸图像的共享特征；

利用所述人脸识别模型，根据所述待识别人脸图像的共享特征对所述待识别人脸图像进行人脸识别。

8.一种模型训练装置，用于人脸识别，包括：

训练数据获取模块，用于获取至少两个训练数据集合，其中，每个训练数据集合中包括数量相同的人脸样本数据，且不同的训练数据集合中人脸样本数据的类型不同；

人脸预测模块，用于利用预先建立的人脸识别模型，对每个训练数据集合进行人脸预测，得到所述每个训练数据集合的人脸预测结果；

监督训练模块，用于利用预先标注的所述每个训练数据集合的人脸标注数据，针对所述每个训练数据集合的人脸预测结果，并行对所述人脸识别模型进行监督训练；

其中，所述人脸识别模型至少包括共享全连接层和至少两个特有全连接层，每个特有全连接层与所述共享全连接层连接；所述共享全连接层用于提取任意类型的人脸样本数据的共享特征；所述特有全连接层与每个训练数据集合中人脸样本数据的类型相对应，并用于提取与之对应类型的人脸样本数据的特有特征。

9.根据权利要求8所述的装置，其中，所述特有全连接层用于通过从所述共享全连接层进行特征选择的方式，提取与之对应类型的人脸样本数据的特有特征。

10.根据权利要求9所述的装置，其中，所述特有全连接层的损失函数中，通过稀疏约束的方式实现所述特征选择。

11.根据权利要求8所述的装置，其中，所述人脸预测模块具体用于：利用所述人脸识别模型，根据所述共享特征和每个训练数据集合中人脸样本数据的特有特征，对每个训练数据集合进行人脸预测，得到所述每个训练数据集合的人脸预测结果。

12.根据权利要求8所述的装置，其中，所述训练数据获取模块包括：第一数据划分单元，用于将人脸样本数据按类型进行划分，得到至少两个样本数据集合；

第一训练数据获取单元，用于分别在每个样本数据集合中获取相同数量的人脸样本数据，得到所述至少两个训练数据集合。

13.根据权利要求12所述的装置，还包括分阶段训练模块，所述分阶段训练模块包括：第二数据划分单元，用于在所述监督训练模块进行监督训练之后，将所述人脸样本数据按与所述第一种类型划分方式不同的第二种类型划分方式进行划分，得到至少两个新的样本数据集合；

第二训练数据获取单元，用于分别在每个新的样本数据集合中获取相同数量的人脸样本数据，得到至少两个新的训练数据集合；

人脸预测单元，用于以所述监督训练出的人脸识别模型作为预训练模型，并利用所述预训练模型，对所述每个新的训练数据集合进行人脸预测，得到所述每个新的训练数据集合的人脸预测结果；

监督训练单元，用于利用预先标注的所述每个新的训练数据集合的人脸标注数据，针对所述每个新的训练数据集合的人脸预测结果，并行对所述预训练模型进行再次的监督训练。

14.一种人脸识别装置，包括：

特征提取模块，用于利用权利要求1-6中任一项所述的模型训练方法训练出的人脸识别模型，提取待识别人脸图像的共享特征，其中，所述人脸识别模型至少包括共享全连接层，所述共享全连接层用于提取任意类型的待识别人脸图像的共享特征；

人脸识别模块，用于利用所述人脸识别模型，根据所述待识别人脸图像的共享特征对所述待识别人脸图像进行人脸识别。

15. 一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-6中任一项所述的用于人脸识别的模型训练方法。

16. 一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求7所述的人脸识别方法。

17.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行权利要求1-6中任一项所述的用于人脸识别的模型训练方法。

18.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行权利要求7所述的人脸识别方法。