1.一种人脸识别方法，其特征在于，所述人脸识别方法包括以下步骤：

将第一人脸图像输入人脸特征提取网络进行特征提取，得到主干网络中至少一个网络层输出的第一中间层特征和特征提取头输出的第一人脸特征，其中，所述人脸特征提取网络包括所述主干网络和所述特征提取头；

将所述第一中间层特征进行离散化处理得到第一离散化结果；

对所述第一离散化结果进行掩码处理得到第一掩码结果，将所述第一掩码结果输入预设预测网络进行预测得到第一预测结果，其中，所述预设预测网络采用与所述人脸特征提取网络相同的训练数据集训练得到，用于预测掩码位置的数值以还原经掩码处理后的离散化结果；

根据所述第一离散化结果和所述第一预测结果计算得到所述第一人脸图像对应的第一置信度，其中，所述第一离散化结果和所述第一预测结果之间的差异越小时，所述第一置信度越大；

根据所述第一人脸图像对应的所述第一置信度和所述第一人脸特征进行人脸识别。

2.如权利要求1所述的人脸识别方法，其特征在于，所述将所述第一中间层特征进行离散化处理得到第一离散化结果的步骤包括：将所述第一中间层特征采用预设码本进行向量量化，根据向量量化后的结果得到第一离散化结果，其中，所述预设码本采用与所述人脸特征提取网络相同的训练数据集训练得到。

3.如权利要求2所述的人脸识别方法，其特征在于，所述预设码本中包括多个原型向量，所述将所述第一中间层特征采用预设码本进行向量量化，根据向量量化后的结果得到第一离散化结果的步骤包括：将所述第一中间层特征按照通道维度进行划分，得到多个第一特征向量；

对于所述多个第一特征向量中的任一目标第一特征向量，将所述目标第一特征向量与所述多个原型向量分别计算距离；

根据所述多个原型向量中与所述目标第一特征向量之间的距离最近的原型向量，得到所述目标第一特征向量对应的向量量化后的结果；

根据所述多个第一特征向量分别对应的向量量化后的结果，得到所述第一离散化结果。

4.如权利要求3所述的人脸识别方法，其特征在于，所述根据所述多个原型向量中与所述目标第一特征向量之间的距离最近的原型向量，得到所述目标第一特征向量对应的向量量化后的结果的步骤包括：将所述多个原型向量中与所述目标第一特征向量之间的距离最近的原型向量，作为所述目标第一特征向量对应的向量量化后的结果；

或，将所述多个原型向量中与所述目标第一特征向量之间的距离最近的原型向量作为目标原型向量，将所述目标原型向量对应预设的索引号作为所述目标第一特征向量对应的向量量化后的结果，其中，所述多个原型向量分别对应预设不同的索引号。

5.如权利要求2所述的人脸识别方法，其特征在于，所述将所述第一中间层特征采用预设码本进行向量量化，根据向量量化后的结果得到第一离散化结果的步骤之前，还包括：获取将第二人脸图像对应的第二中间层特征按照通道维度进行划分得到的多个第二特征向量，其中，所述第二中间层特征通过将训练数据集中的所述第二人脸图像输入训练完成的所述人脸特征提取网络进行特征提取得到，或通过将所述第二人脸图像输入待训练的所述人脸特征提取网络进行特征提取得到；

对于所述多个第二特征向量中的任一目标第二特征向量，将所述目标第二特征向量与待训练码本中的多个待训练向量分别计算距离；

将所述多个待训练向量中与所述目标第二特征向量之间的距离最近的待训练向量，作为所述目标第二特征向量对应的目标待训练向量；

根据所述多个第二特征向量分别对应的所述目标待训练向量更新所述待训练码本，基于更新后的待训练码本返回执行所述获取将第二人脸图像对应的第二中间层特征按照通道维度进行划分得到的多个第二特征向量的步骤，直到满足预设训练停止条件后，基于更新后的待训练码本得到所述预设码本。

6.如权利要求5所述的人脸识别方法，其特征在于，所述根据所述多个第二特征向量分别对应的所述目标待训练向量更新所述待训练码本的步骤包括：根据所述多个第二特征向量分别与对应的所述目标待训练向量之间的误差，计算得到所述第二人脸图像对应的量化损失；

根据所述训练数据集中的各个所述第二人脸图像对应的量化损失，计算得到所述待训练码本对应的总量化损失；

根据所述总量化损失更新所述待训练码本。

7.如权利要求6所述的人脸识别方法，其特征在于，所述基于更新后的待训练码本返回执行所述获取将第二人脸图像对应的第二中间层特征按照通道维度进行划分得到的多个第二特征向量的步骤之前，还包括：根据所述总量化损失和所述人脸特征提取网络对应的人脸识别损失更新待训练的所述人脸特征提取网络。

8.如权利要求5所述的人脸识别方法，其特征在于，所述根据所述多个第二特征向量分别对应的所述目标待训练向量更新所述待训练码本的步骤包括：对于所述多个待训练向量中的任一目标向量，统计截止当前一轮的更新过程，将所述目标向量作为目标待训练向量的第二特征向量的总数，以及统计将所述目标向量作为目标待训练向量的第二特征向量的累计向量；

将所述累计向量除以所述总数，得到所述目标向量在当前一轮更新过程中更新后的向量，以对所述待训练码本进行更新。

9.如权利要求1所述的人脸识别方法，其特征在于，所述根据所述第一离散化结果和所述第一预测结果计算得到所述第一人脸图像对应的第一置信度的步骤包括：在对所述第一离散化结果进行多次掩码处理，获得所述第一离散化结果对应的多个所述第一预测结果后，分别计算所述第一离散化结果与多个所述第一预测结果之间的相似度；

将各个所述相似度进行平均，得到所述第一人脸图像对应的第一置信度。

10.如权利要求1至9任一项所述的人脸识别方法，其特征在于，所述根据所述第一人脸图像对应的所述第一置信度和所述第一人脸特征进行人脸识别的步骤包括：若所述第一置信度小于预设阈值，则得出所述第一人脸图像识别失败的人脸识别结果，或，将所述第一人脸图像从预设的人脸数据库中删除。

11.如权利要求1至9任一项所述的人脸识别方法，其特征在于，所述根据所述第一人脸图像对应的所述第一置信度和所述第一人脸特征进行人脸识别的步骤包括：将所述第一人脸图像对应的所述第一人脸特征与预设的人脸数据库中第三人脸图像对应的第三人脸特征进行比对，得到第一比对结果；

采用所述第一置信度和所述人脸数据库中所述第三人脸图像对应的第三置信度对所述第一比对结果进行加权处理，得到第二比对结果；

根据所述第一人脸图像与所述人脸数据库中各个所述第三人脸图像分别对应的第二比对结果，确定所述第一人脸图像对应的人脸识别结果。

12.一种人脸识别设备，其特征在于，所述人脸识别设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的人脸识别程序，所述人脸识别程序被所述处理器执行时实现如权利要求1至11中任一项所述的人脸识别方法的步骤。

13.一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人脸识别程序，所述人脸识别程序被处理器执行时实现如权利要求1至11中任一项所述的人脸识别方法的步骤。