1.一种皮质醇含量的测评方法，其特征在于，所述方法包括：

获取人脸图像特征样本数据，所述人脸图像特征样本数据携带有各种皮质醇含量等级标签，为从具有不同的皮质醇含量等级的样本用户的人脸图像中获取的，所述人脸图像特征中包括正常人脸图像以及不同满月脸程度的图像特征；

将所述人脸图像特征样本数据输入至卷积神经网络模型进行训练，构建皮质醇含量测评模型，所述皮质醇含量测评模型记录有人脸图像特征与皮质醇含量等级的映射关系，所述卷积神经网络模型中设置两个全连接层，在人脸图像特征样本数据通过若干个卷积层训练后对训练输出的特征数据进行整合；

将待测评用户人脸图像特征数据输入至所述皮质醇含量测评模型，得到待测评用户的皮质醇含量等级。

2.根据权利要求1所述的方法，其特征在于，所述获取人脸图像特征样本数据包括：收集符合预设条件的人脸图像；

对所述符合预设条件的人脸图像进行预处理，获取人脸图像特征样本数据。

3.根据权利要求2所述的方法，其特征在于，所述对所述符合预设条件的人脸图像进行预处理，获取人脸图像特征样本数据包括：对所述符合预设条件的人脸图像进行定位，确定人脸图像关键点；

根据所述人脸图像关键点提取人脸图像轮廓区域；

通过对所述人脸图像轮廓区域内的像素点参数进行调整，得到人脸图像特征样本数据。

4.根据权利要求1所述的方法，其特征在于，所述获取人脸图像特征样本数据还包括：根据皮质醇测评标准对所述人脸图像特征样本数据进行标记，得到携带各种皮质醇含量等级标签的人脸图像特征样本数据。

5.根据权利要求4所述的方法，其特征在于，所述卷积神经网络为多层结构的网络模型，所述将所述人脸图像特征样本数据输入至卷积神经网络模型进行训练，构建皮质醇含量测评模型包括：通过所述卷积神经网络模型的卷积层提取各种皮质醇含量等级的人脸图像样本特征数据的局部人脸特征信息；

通过所述卷积神经网络模型的全连接层将提取到的局部人脸特征信息进行连接，得到各种皮质醇含量等级的多维度局部人脸特征信息矩阵；

通过所述卷积神经网络模型的池化层对各种皮质醇含量等级的多维度局部人脸特征信息矩阵进行融合，输出携带有各种皮质醇含量等级标签的人脸图像特征矩阵；

通过所述卷积神经网络模型的分类层对携带有各种皮质醇含量等级标签人脸图像特征矩阵进行分类，构建皮质醇含量测评模型。

6.根据权利要求1‑5中任一项所述的方法，其特征在于，在所述将待测评用户人脸图像特征数据输入至所述皮质醇含量测评模型，得到待测评用户的皮质醇含量等级之后，所述方法还包括：将所述待测评用户的皮质醇含量等级发送至待测评用户。

7.根据权利要求1‑5中任一项所述的方法，其特征在于，在所述将待测评用户人脸图像特征数据输入至所述皮质醇含量测评模型，得到待测评用户的皮质醇含量等级之后，所述方法还包括：根据待测评用户对测评皮质醇含量等级结果的反馈信息，调整预设皮质醇含量等级的人脸图像特征样本数据在所述人脸图像特征样本数据中的比重；

将调整比重后的人脸图像特征样本数据输入至卷积神经网络模型进行训练，构建调整后的皮质醇含量测评模型；

将待测评用户人脸图像特征数据输入至所述调整后的皮质醇含量测评模型，得到待测评用户的皮质醇含量等级。

8.一种皮质醇含量的测评装置，其特征在于，所述装置包括：

获取单元，用于获取人脸图像特征样本数据，所述人脸图像特征样本数据携带有各种皮质醇含量等级标签，为从具有不同的皮质醇含量等级的样本用户的人脸图像中获取的，所述人脸图像特征中包括正常人脸图像以及不同满月脸程度的图像特征；

第一训练单元，用于将所述人脸图像特征样本数据输入至卷积神经网络模型进行训练，构建皮质醇含量测评模型，所述皮质醇含量测评模型记录有人脸图像特征与皮质醇含量等级的映射关系，所述卷积神经网络模型中设置两个全连接层，在人脸图像特征样本数据通过若干个卷积层训练后对训练输出的特征数据进行整合；

第一测评单元，用于将待测评用户人脸图像特征数据输入至所述皮质醇含量测评模型，得到待测评用户的皮质醇含量等级。

9.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。

10.一种计算机存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。