1.一种情绪识别的方法，应用于通过情绪特征进行情绪识别的系统中，其中，所述情绪特征包括面部特征和声音特征，其特征在于，包括：从预设的数据库中获取训练样本集，并从所述训练样本集中提取训练样本的情绪特征，其中，所述情绪特征还包括生理特征；

基于特征权重算法，计算所述情绪特征中面部特征、声音特征以及生理特征的特征权重，并基于预设组合策略对所述特征权重进行组合，得到所述训练样本的特征权重组合；

基于所述训练样本以及所述训练样本的特征权重组合对预设的初始识别模型进行训练，得到情绪识别模型；

当接收到情绪识别指令时，基于所述情绪识别指令获取待识别用户的用户信息，并通过所述情绪识别模型对所述用户信息进行识别，输出情绪识别结果；

所述基于特征权重算法，计算所述情绪特征中面部特征、声音特征以及生理特征的特征权重，并基于预设组合策略对所述特征权重进行组合，得到所述训练样本的特征权重组合的步骤，具体包括：为所述情绪特征中的面部特征、声音特征以及生理特征均赋予相同的初始权重；

对赋予初始权重后的所述情绪特征进行分类，得到若干个情绪特征组合；

基于特征权重算法，计算所述情绪特征组合中每一个情绪特征的特征权重；

基于预设组合策略对所有的所述特征权重进行组合，得到所述训练样本的特征权重组合；

所述基于特征权重算法，计算所述情绪特征组合中每一个情绪特征的特征权重的步骤，具体包括：计算同一类别的情绪特征组合中所述情绪特征的相似度，得到第一相似度；

计算不同类别的情绪特征组合之间所述情绪特征的相似度，得到第二相似度；

基于所述第一相似度和所述第二相似度对所述情绪特征的初始权重进行调整，得到每一个所述情绪特征的特征权重。

2.如权利要求1所述的情绪识别的方法，其特征在于，所述初始识别模型包括输入层、卷积层和输出层，所述基于所述训练样本以及所述训练样本的特征权重组合对预设的初始识别模型进行训练，得到情绪识别模型的步骤，具体包括：将所述训练样本导入到所述初始识别模型的输入层，以及将所述训练样本的特征权重组合导入到所述初始识别模型的输出层；

通过所述输入层获取所述训练样本的初始特征向量，通过卷积层对所述初始特征向量进行特征运算，得到初始特征矩阵，以及在所述输出层中基于训练样本的特征权重组合对所述初始特征矩阵进行整合，得到所述训练样本的特征矩阵；

基于所述训练样本的特征矩阵调整预设的所述初始识别模型的模型参数，得到所述情绪识别模型。

3.如权利要求2所述的情绪识别的方法，其特征在于，所述通过所述输入层获取所述训练样本的初始特征向量，通过卷积层对所述初始特征向量进行特征运算，得到初始特征矩阵，以及在所述输出层中基于训练样本的特征权重组合对所述初始特征矩阵进行整合，得到所述训练样本的特征矩阵的步骤，具体包括：通过所述输入层对所述训练样本中的每一个情绪特征进行向量特征转换，得到每一个所述情绪特征的初始特征向量；

通过所述卷积层对每一个所述情绪特征的初始特征向量进行卷积运算，得到每一个所述情绪特征的初始特征矩阵；

在所述输出层中基于所述训练样本的特征权重组合对每一个所述情绪特征的初始特征矩阵进行矩阵拼接，得到所述训练样本的特征矩阵。

4.如权利要求1至3任一项所述的情绪识别的方法，其特征在于，在所述从预设的数据库中获取训练样本集，并从所述训练样本集中提取训练样本的情绪特征的步骤之前，还包括：从预设的数据库中获取训练样本，并对所述训练样本进行标注；

对标注过后的所述训练样本进行随机组合，得到训练样本集和验证数据集；

将所述训练样本集和所述验证数据集存储到所述预设的数据库中。

5.如权利要求4所述的情绪识别的方法，其特征在于，在所述基于所述训练样本以及所述训练样本的特征权重组合对预设的初始识别模型进行训练，得到情绪识别模型的步骤之后，还包括：从预设的数据库中获取所述验证数据集，并将所述验证数据集导入到训练完成的所述情绪识别模型进行验证，输出验证结果；

基于所述验证结果与预设标准结果，使用反向传播算法进行拟合，获取识别误差；

将所述识别误差与预设阈值进行比较，若所述识别误差大于预设阈值，则对所述情绪识别模型进行迭代更新，直到所述识别误差小于或等于预设阈值为止；

输出所述识别误差小于或等于预设阈值的情绪识别模型。

6.一种情绪识别的装置，应用于通过情绪特征进行情绪识别的系统中，其中，所述情绪特征包括面部特征和声音特征，其特征在于，包括：特征提取模块，用于从预设的数据库中获取训练样本集，并从所述训练样本集中提取训练样本的情绪特征，其中，所述情绪特征还包括生理特征；

权重计算模块，用于基于特征权重算法，计算所述情绪特征中面部特征、声音特征以及生理特征的特征权重，并基于预设组合策略对所述特征权重进行组合，得到所述训练样本的特征权重组合；

模型训练模块，用于基于所述训练样本以及所述训练样本的特征权重组合对预设的初始识别模型进行训练，得到情绪识别模型；

情绪识别模块，用于当接收到情绪识别指令时，基于所述情绪识别指令获取待识别用户的用户信息，并通过所述情绪识别模型对所述用户信息进行识别，输出情绪识别结果；

所述权重计算模块具体包括：

权重赋值单元，用于为情绪特征中的面部特征、声音特征以及生理特征均赋予相同的初始权重；

数据分类单元，用于对赋予初始权重后的情绪特征进行分类，得到若干个情绪特征组合；

权重计算单元，用于基于特征权重算法，计算情绪特征组合中每一个情绪特征的特征权重；

权重组合单元，用于基于预设组合策略对所有的特征权重进行组合，得到训练样本的特征权重组合；

所述权重计算单元具体包括：

第一相似度计算子单元，用于计算同一类别的情绪特征组合中情绪特征的相似度，得到第一相似度；

第二相似度计算子单元，用于计算不同类别的情绪特征组合之间情绪特征的相似度，得到第二相似度；

权重调整子单元，用于基于第一相似度和第二相似度对情绪特征的初始权重进行调整，得到每一个情绪特征的特征权重。

7.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现如权利要求1至5中任一项所述的情绪识别的方法的步骤。

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可读指令，所述计算机可读指令被处理器执行时实现如权利要求1至5中任一项所述的情绪识别的方法的步骤。