1.一种人工智能方法，其特征在于，所述方法包括：

平时时间范围获取步骤：获取平时所对应的时间范围；

平时表情获取步骤：在所述时间范围内获取被识别人的平时表情；

平时情绪识别步骤：通过被识别人的平时表情识别得到被识别人的平时情绪；

待识别表情获取步骤：获取被识别人的待识别表情；

待识别情绪识别步骤：通过被识别人的待识别表情识别得到被识别人的待识别情绪；

待识别情绪矫正步骤：被识别人的待识别情绪与被识别人的平时情绪进行比较，计算被识别人的待识别情绪相对于平时情绪的变化，将平时情绪设置为正常情绪，从而得到矫正后的待识别情绪；

所述平时情绪识别步骤具体包括：将被识别人的平时表情的每一个面部图片或视频输入预设情绪识别模型，得到所述每一个面部图片或视频对应的情绪，将每一个面部图片或视频对应的情绪进行加权平均，得到被识别人的平时表情对应的情绪；

所述待识别情绪识别步骤具体包括：将被识别人的待识别表情的每一个面部图片或视频输入预设情绪识别模型，得到所述每一个面部图片或视频对应的情绪，将每一个面部图片或视频对应的情绪进行加权平均，得到被识别人的待识别表情对应的情绪；

所述待识别情绪矫正步骤具体包括：被识别人的待识别情绪记为Y，被识别人的平时情绪记为X，正常情绪记为P，被识别人的矫正后的待识别情绪记为Q，f为情绪变化计算函数，输入2个情绪到f中，f输出2个情绪之间的变化度，则f（X，Y）=f（P，Q），通过已知的X，Y，P，求解出Q；

所述预设情绪识别模型的构建步骤包括：

数据采集步骤，采集多个人的多个面部表情，将全部或部分面部表情通过人工打上情绪的标签；

模型初始化步骤：初始化情绪识别模型为深度学习模型或其它机器学习模型；

无监督训练步骤：如果所述情绪识别模型支持无监督学习，则将每一面部表情作为输入，对所述情绪识别模型进行无监督训练；

有监督训练步骤：将每一已经打了情绪标签的面部表情作为输入数据，将所述面部表情的情绪标签作为预期输出数据，对情绪识别模型进行有监督训练；

测试步骤：对训练后的所述情绪识别模型进行测试，如果测试通过，则将所述情绪识别模型作为所述预设的情绪识别模型，如果测试没有通过，则采集更多的面部表情并打标签后对所述情绪识别模型重新进行训练。

2.根据权利要求1所述的人工智能方法，其特征在于，所述平时表情获取步骤还包括：同类表情代替步骤：若在所述时间范围内被识别人的平时表情获取失败，则获取与被识别人属于同一小类的人的平时表情作为被识别人的平时表情，若与被识别人属于同一小类的人的平时表情获取失败，则获取与被识别人属于同一大类的人的平时表情作为被识别人的平时表情，若与被识别人属于同一大类的人的平时表情获取失败，则获取与被识别人属于同一更大类的人的平时表情作为被识别人的平时表情，如此类推进行预设次尝试或一直尝试直至获取成功；

亲属表情代替步骤：若在所述时间范围内被识别人的平时表情获取失败，且与被识别人属于同一类的人的平时表情也获取失败，则获取与被识别人有亲缘关系的人的平时表情作为被识别人的平时表情。

3.根据权利要求1所述的人工智能方法，其特征在于，所述采集的多个人的多个面部表情是任意人的面部表情，不是针对特定人群做出的表情采集，所述通过人工打上情绪的标签是对普通人群通过通常的判断得到情绪状态，不是针对特定人群做出的情绪判断得到情绪状态。

4.一种人工智能装置，其特征在于，所述装置用于实现权利要求1‑3任意一项所述方法的步骤。

5.一种机器人，包括存储器、处理器及存储在存储器上并可在处理器上运行的人工智能机器人程序，其特征在于，所述处理器执行所述程序时实现权利要求1‑3任意一项所述方法的步骤。

6.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现权利要求1‑3任意一项所述方法的步骤。