1.基于知识蒸馏网络的口罩遮挡人脸识别方法，其特征在于，包括：基于口罩遮挡人脸图像构建训练集和测试集，所述训练集还包括对应的真实标签数据；

基于所述训练集构建口罩遮挡人脸识别网络；

将所述测试集输入所述口罩遮挡人脸识别网络中进行识别。

2.根据权利要求1所述的基于知识蒸馏网络的口罩遮挡人脸识别方法，其特征在于，基于所述训练集构建口罩遮挡人脸识别网络包括：构建教师网络和第一学生网络、第二学生网络，所述第一学生网络与所述第二学生网络结构相同；

对所述教师网络和所述第二学生网络进行预训练；

将所述训练集分别输入所述教师网络和所述第二学生网络获得所述教师网络输出的第一软标签数据、所述第二学生网络输出的第二软标签数据；

基于所述真实标签数据、所述第一软标签数据和所述第二软标签数据确定蒸馏损失函数；

基于所述蒸馏损失函数对所述第一学生网络进行迭代训练获得所述口罩遮挡人脸识别网络。

3.根据权利要求2所述的基于知识蒸馏网络的口罩遮挡人脸识别方法，其特征在于，基于所述第一软标签数据、所述第二软标签数据和所述真实标签数据确定蒸馏损失函数包括：

基于所述真实标签数据确定第一损失函数；

基于所述第一软标签数据确定第二损失函数；

基于所述第二软标签数据确定第三损失函数；

将所述第一损失函数、所述第二损失函数和所述第三损失函数加权求和获得蒸馏损失函数。

4.根据权利要求3所述的基于知识蒸馏网络的口罩遮挡人脸识别方法，其特征在于，所述第一损失函数为：

其中，LCE表示第一损失函数，X＝{x1，x2，x3，…，xn}表示训练集，σi(Z，T)表示第一学生网络在温度参数为T的条件下经过Softmax函数的输出结果，Z＝{z1，z2，z3，…,zm}表示第一学生网络经过Logits函数的输出结果，T表示温度参数。

5.根据权利要求3所述的基于知识蒸馏网络的口罩遮挡人脸识别方法，其特征在于，所述第二损失函数为：

t

其中，LKL表示第二损失函数，σi(Z ,T1)表示教师网络在温度参数为T1的条件下经过t

Softmax函数的输出结果，Z表示教师网络经过Logits函数的输出结果。

6.根据权利要求3所述的基于知识蒸馏网络的口罩遮挡人脸识别方法，其特征在于，所述第三损失函数为：

s

其中，σi(Z ,T2)表示第二学生网络在温度参数为T2的条件下经过Softmax函数的输出结s

果，Z表示第二学生网络经过Logits函数的输出结果。

7.根据权利要求1所述的基于知识蒸馏网络的口罩遮挡人脸识别方法，其特征在于，所述预训练包括：

获取待训练网络，所述待训练网络为教师网络或第二学生网络；

将所述训练集输入所述待训练网络中获取所述待训练网络的输出结果；

基于所述预训练网络的输出结果和所述真实标签数据确定交叉熵损失函数；

基于所述交叉熵损失函数对所述待训练网络进行迭代训练。

8.一种基于多重知识迁移的知识蒸馏装置，其特征在于，包括：数据采集模块，所述数据采集模块用于基于口罩遮挡人脸图像构建训练集和测试集，所述训练集还包括对应的真实标签数据；

模型构建模块，所述模型构建模块用于基于所述训练集构建口罩遮挡人脸识别网络；

人脸识别模块，所述人脸识别模块用于将所述测试集输入所述口罩遮挡人脸识别网络中进行识别。

9.一种计算机设备，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程序，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的基于知识蒸馏网络的口罩遮挡人脸识别方法的步骤。

10.一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程序，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的基于知识蒸馏网络的口罩遮挡人脸识别方法的步骤。