1.一种获取眨眼参数模型的方法，其特征在于，所述方法包括：

逐一计算N个目标单位时间中的每个目标单位时间内的采样点数据与当前单位时间内的采样点数据的相关系数，其中，所述N个目标单位时间为所述当前单位时间之前连续的N个单位时间，且N为大于或等于2的正整数；

将与所述当前单位时间内的采样点数据的相关性最大的M组采样点数据输入至眨眼参数预测模型的输入层以进行眨眼参数模型的预测，其中，所述眨眼参数预测模型的输入层包括M个输入神经元，所述M组采样点数据与所述M个输入神经元一一对应，并且针对每个输入神经元，将该输入神经元对应的采样点数据与所述当前单位时间内的采样点数据的相关系数作为该输入神经元与目标中间神经元之间的权重，其中，所述目标中间神经元为所述眨眼参数预测模型的第一级隐层中的任一神经元，2≤M≤N；

将从所述眨眼参数预测模型的输出层输出的眨眼参数模型最终确定为所述当前单位时间内的眨眼参数模型。

2.一种疲劳检测方法，其特征在于，所述方法包括：

根据获得的当前单位时间内的采样点数据，计算所述当前单位时间内的眨眼参数模型，其中，单位时间内的眨眼参数模型至少包括眨眼时间；

在所述当前单位时间内的眨眼参数模型不满足第一预设条件时，保留计算出的所述当前单位时间内的眨眼参数模型；在所述当前单位时间内的眨眼参数模型满足所述第一预设条件时，忽略计算出的所述当前单位时间内的眨眼参数模型，并利用权利要求1所述的方法重新确定所述当前单位时间内的眨眼参数模型，其中，所述第一预设条件为：计算出的所述当前单位时间内的眨眼参数模型与单位时间内的理想眨眼参数模型之间的偏差超过可接受水平，且所述当前时间内的眨眼参数模型中的任一参数超出由所述N个目标单位时间内的眨眼参数模型中的该参数所形成的参数范围；

至少根据当前单位时间内的所述眨眼参数模型，确定被测用户是否处于疲劳状态。

3.根据权利要求2所述的方法，其特征在于，所述至少根据当前单位时间内的所述眨眼参数模型，确定被测用户是否处于疲劳状态，包括：将所述当前单位时间的下一单位时间作为新的当前单位时间，并返回所述根据获得的当前单位时间内的采样点数据，计算所述当前单位时间内的眨眼参数模型的步骤，直到满足第二预设条件为止，其中，所述第二预设条件为：当存在连续P个单位时间内的眨眼参数模型中的所述眨眼时间均大于或等于眨眼时间阈值，P为大于或等于2的正整数；

自所述P个单位时间的下一单位时间起，逐一利用权利要求1所述的方法确定出每个单位时间内的眨眼参数模型；

当自所述P个单位时间的下一单位时间起的Q个单位时间内不存在眨眼时间小于所述眨眼时间阈值的眨眼参数模型时，确定被测用户处于疲劳状态，其中，Q为大于或等于2的正整数。

4.根据权利要求3所述的方法，其特征在于，所述至少根据当前单位时间内的所述眨眼参数模型，确定被测用户是否处于疲劳状态，还包括：当所述Q个单位时间内存在眨眼时间小于所述眨眼时间阈值的眨眼参数模型时，确定所述被测用户未处于疲劳状态；

所述方法还包括：

将所述Q个单位时间中，眨眼时间小于所述眨眼时间阈值的眨眼参数模型所对应的单位时间的下一单位时间作为新的当前单位时间，并返回所述根据获得的当前单位时间内的采样点数据，计算所述当前单位时间内的眨眼参数模型的步骤。

5.一种获取眨眼参数模型的装置，其特征在于，所述装置包括：

第一计算模块，用于逐一计算N个目标单位时间中的每个目标单位时间内的采样点数据与当前单位时间内的采样点数据的相关系数，其中，所述N个目标单位时间为所述当前单位时间之前连续的N个单位时间，且N为大于或等于2的正整数；

预测模块，用于将与所述当前单位时间内的采样点数据的相关性最大的M组采样点数据输入至眨眼参数预测模型的输入层以进行眨眼参数模型的预测，其中，所述眨眼参数预测模型的输入层包括M个输入神经元，所述M组采样点数据与所述M个输入神经元一一对应，并且针对每个输入神经元，将该输入神经元对应的采样点数据与所述当前单位时间内的采样点数据的相关系数作为该输入神经元与目标中间神经元之间的权重，其中，所述目标中间神经元为所述眨眼参数预测模型的第一级隐层中的任一神经元，2≤M≤N；

第一确定模块，用于将从所述眨眼参数预测模型的输出层输出的眨眼参数模型最终确定为所述当前单位时间内的眨眼参数模型。

6.一种疲劳检测装置，其特征在于，所述装置包括：

第二计算模块，用于根据获得的当前单位时间内的采样点数据，计算所述当前单位时间内的眨眼参数模型，其中，单位时间内的眨眼参数模型至少包括眨眼时间；

第二确定模块，用于在所述当前单位时间内的眨眼参数模型不满足第一预设条件时，保留计算出的所述当前单位时间内的眨眼参数模型；在所述当前单位时间内的眨眼参数模型满足所述第一预设条件时，忽略所述第二计算模块计算出的所述当前单位时间内的眨眼参数模型，并利用权利要求5所述的装置重新确定所述当前单位时间内的眨眼参数模型，其中，所述第一预设条件为：所述第二计算模块计算出的所述当前单位时间内的眨眼参数模型与单位时间内的理想眨眼参数模型之间的偏差超过可接受水平，且所述当前时间内的眨眼参数模型中的任一参数超出由所述N个目标单位时间内的眨眼参数模型中的该参数所形成的参数范围；

第三确定模块，用于至少根据当前单位时间内的所述眨眼参数模型，确定被测用户是否处于疲劳状态。

7.一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，该程序被处理器执行时实现权利要求1所述方法的步骤。

8.一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，该程序被处理器执行时实现权利要求2-4中任一项所述方法的步骤。

9.一种电子设备，其特征在于，包括：

权利要求7中所述的计算机可读存储介质；以及

一个或者多个处理器，用于执行所述计算机可读存储介质中的程序。

10.一种电子设备，其特征在于，包括：

权利要求8中所述的计算机可读存储介质；以及

一个或者多个处理器，用于执行所述计算机可读存储介质中的程序。