1.一种人脸识别模型的生成装置，其特征在于，所述装置包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的模型生成程序，所述模型生成程序被所述处理器执行时实现如下步骤：A1、采集从多个视角拍摄的用户的多张脸部图像，并获取用于拍摄所述多张脸部图像的相机参数；

A2、根据ORB算法对获取到的多张脸部图像两两匹配，获取匹配的特征点对，通过预设的特征点筛选算法对匹配到的特征点对进行筛选，以删除匹配错误的特征点对，并获取匹配正确的特征点对在脸部图像上的二维坐标；

A3、将拍摄所述匹配正确的特征点对对应的图像的相机分别作为左相机和右相机，将所述左相机所在的坐标系作为世界坐标系，将所述右相机所在的坐标系作为右相机坐标系，根据所述左相机和所述右相机的相机参数计算所述左相机与所述右相机之间的空间转换矩阵，根据所述空间转换矩阵及摄像机的投射模型确定所述世界坐标系与所述右相机坐标系的关系式，根据所述关系式及所述二维坐标计算所述匹配正确的特征点对在世界坐标系中对应的三维坐标，并根据计算得到的三维坐标构建用户脸部的三维点云数据；

A4、将所述三维点云数据转换为深度图像，将所述多张脸部图像中的任意一张作为所述用户脸部的颜色图像；

A5、重复执行步骤A1至步骤A4，以获取预设数量的用户的深度图像和颜色图像，将所述深度图像和颜色图像作为预设的双通道卷积神经网络模型的输入，训练所述双通道卷积神经网络模型以确定模型参数，将确定模型参数的双通道卷积神经网络模型作为人脸识别模型，其中，所述双通道卷积神经网络模型将全连接层输出的特征向量作为所述双通道卷积神经网络模型的输出。

2.如权利要求1所述的人脸识别模型的生成装置，其特征在于，所述步骤A2包括：

根据ORB算法对获取到的多张脸部图像两两匹配，获取匹配的特征点对；

按照预设的特征点筛选算法判断所述特征点对是否匹配正确，以筛选出匹配正确的特征点对；

计算匹配正确的特征点对的数量，并判断计算得到的数量是否大于第一预设阈值；

若是，则停止筛选，并获取匹配正确的特征点对在脸部图像上的二维坐标；

若否，则继续根据所述ORB算法获取匹配的特征点对，并根据所述特征点筛选算法对匹配到的特征点对进行筛选，直至匹配正确的特征点对的数量大于所述第一预设阈值。

3.如权利要求2所述的人脸识别模型的生成装置，其特征在于，所述按照预设的特征点筛选算法判断所述特征点对是否匹配正确，以筛选出匹配正确的特征点对的步骤包括：将获取的脸部图像分割为K×K个网格区域，统计每个网格区域内的匹配到的特征点在其L×L的邻域内匹配的特征点对的数量；

若统计的数量小于第二预设阈值，则判定该特征点为匹配错误的特征点对，若统计的数量大于或者小于所述第二预设阈值，则判定该特征点为匹配正确的特征点对。

4.如权利要求1至3中任一项所述的人脸识别模型的生成装置，其特征在于，所述左相机与所述右相机之间的空间转换矩阵为：其中，r1＝cosγcosβ+sin2γsinβ，r2＝-sinγcosα，r3＝sinβsinγ-sin2γcosβ，r4＝sinγcosβ+sinαsinβcosγ，r5＝cos2γ，r6＝sinγsinβ-sinαcosγsinβ，r7＝-sinβcosα，r8＝sinα，r9＝cosαcosβ，α、β、γ分别为所述右相机相对于所述左相机在x、y、z三个方向上的角度变化，tx、ty、tz分别为所述右相机相对于所述左相机在x、y、z三个方向上的平移量。

5.如权利要求1至3中任一项所述的人脸识别模型的生成装置，其特征在于，所述相机参数包括用于从多个视角拍摄照片的多台相机的相对位置关系，以及相机的有效焦距。

6.一种人脸识别模型的生成方法，其特征在于，所述方法包括：

B1、采集从多个视角拍摄的用户的多张脸部图像，并获取用于拍摄所述多张脸部图像的相机参数；

B2、根据ORB算法对获取到的多张脸部图像两两匹配，获取匹配的特征点对，通过预设的特征点筛选算法对匹配到的特征点对进行筛选，以删除匹配错误的特征点对，并获取匹配正确的特征点对在脸部图像上的二维坐标；

B3、将拍摄所述匹配正确的特征点对对应的图像的相机分别作为左相机和右相机，将所述左相机所在的坐标系作为世界坐标系，将所述右相机所在的坐标系作为右相机坐标系，根据所述左相机和所述右相机的相机参数计算所述左相机与所述右相机之间的空间转换矩阵，根据所述空间转换矩阵及摄像机的投射模型确定所述世界坐标系与所述右相机坐标系的关系式，根据所述关系式及所述二维坐标计算所述匹配正确的特征点对在世界坐标系中对应的三维坐标，并根据计算得到的三维坐标构建用户脸部的三维点云数据；

B4、将所述三维点云数据转换为深度图像，将所述多张脸部图像中的任意一张作为所述用户脸部的颜色图像；

B5、重复执行步骤B1至步骤B4，以获取预设数量的用户的深度图像和颜色图像，将所述深度图像和颜色图像作为预设的双通道卷积神经网络模型的输入，训练所述双通道卷积神经网络模型以确定模型参数，将确定模型参数的双通道卷积神经网络模型作为人脸识别模型，其中，所述双通道卷积神经网络模型将全连接层输出的特征向量作为所述双通道卷积神经网络模型的输出。

7.如权利要求6所述的人脸识别模型的生成方法，其特征在于，所述步骤B2包括：

根据ORB算法对获取到的多张脸部图像两两匹配，获取匹配的特征点对；

按照预设的特征点筛选算法判断所述特征点对是否匹配正确，以筛选出匹配正确的特征点对；

计算匹配正确的特征点对的数量，并判断计算得到的数量是否大于第一预设阈值；

若是，则停止筛选，并获取匹配正确的特征点对在脸部图像上的二维坐标；

若否，则继续根据所述ORB算法获取匹配的特征点对，并根据所述特征点筛选算法对匹配到的特征点对进行筛选，直至匹配正确的特征点对的数量大于所述第一预设阈值。

8.如权利要求7所述的人脸识别模型的生成方法，其特征在于，所述按照预设的特征点筛选算法判断所述特征点对是否匹配正确，以筛选出匹配正确的特征点对的步骤包括：将获取的脸部图像分割为K×K个网格区域，统计每个网格区域内的匹配到的特征点在其L×L的邻域内匹配的特征点对的数量；

若统计的数量小于第二预设阈值，则判定该特征点为匹配错误的特征点对，若统计的数量大于或者小于所述第二预设阈值，则判定该特征点为匹配正确的特征点对。

9.如权利要求6至8中任一项所述的人脸识别模型的生成方法，其特征在于，所述左相机与所述右相机之间的空间转换矩阵为：其中，r1＝cosγcosβ+sin2γsinβ，r2＝-sinγcosα，r3＝sinβsinγ-sin2γcosβ，r4＝2

sinγcosβ+sinαsinβcosγ，r5＝cosγ，r6＝sinγsinβ-sinαcosγsinβ，r7＝-sinβcosα，r8＝sinα，r9＝cosαcosβ，α、β、γ分别为所述右相机相对于所述左相机在x、y、z三个方向上的角度变化，tx、ty、tz分别为所述右相机相对于所述左相机在x、y、z三个方向上的平移量。

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模型生成程序，所述模型生成程序可被一个或者多个处理器执行，以实现如权利要求6至9中任一项所述的人脸识别模型的生成方法的步骤。